Appen забезпечує високоякісні навчальні дані для виробників автономних транспортних засобів

Appen Limited (ASX:APX), провідний постачальник високоякісних навчальних даних для організацій, які будують ефективні системи штучного інтелекту у великому масштабі, сьогодні оголосив про розширення можливостей для забезпечення автономних виробників транспортних засобів доступом до високоякісних навчальних даних та отримання максимальної вигоди від інвестицій у навчальні дані. Високоякісні навчальні дані є суттєво важливими для забезпечення безпечної роботи автономних транспортних засобів та їхньої роботи згідно з очікуваннями, а Appen, який працює з 7 з 10 найбільших глобальних автомобільних компаній та постачальників рівня 1, може забезпечити точність 99+% для висококомплексних мультимодальних проектів штучного інтелекту.

“Не достатньо, щоб транспортні засоби працювали добре у симульованих або добрих погодних умовах у одному типу місцевості”, сказав Вілсон Панг, технічний директор Appen. “Вони повинні працювати бездоганно у всіх погодних умовах у кожному можливому дорожньому сценарії, який вони зустріють у реальних умовах. Це означає, що команди, які працюють над моделлю машинного навчання (ML) для штучного інтелекту транспортного засобу, повинні зосередитися на отриманні навчальних даних з найвищою можливою точністю перед тим, як зможуть розгорнути їх на дорозі. Наші клієнти довіряють нам свої найбільш складні сценарії анотації навчальних даних, оскільки наша платформа анотації та послуги лідирують у галузі, що дозволяє нам забезпечувати високоякісні дані, необхідні для алгоритмів автономного руху.”

Для розуміння та правильної реакції на дорожні, погодні та безпечні умови автономні транспортні засоби потребують складних, багатовимірних наборів даних з численних і різних типів датчиків. Це не тільки становить виклик через спеціалізацію постачальників, але також створює величезний виклик для процесу забезпечення якості анотації даних, оскільки коли команди, які тренують моделі, отримують низькоякісні навчальні дані, їм доводиться витрачати значний час і ресурси на проведення внутрішніх аудитів для визначення тих частин наборів даних, які потребують покращення для отримання чистої вигоди для їхніх моделей машинного навчання.

З більш ніж 15-річним досвідом роботи в автомобільній промисловості команди анотації даних Appen регулярно працюють з виробниками автономних транспортних засобів для аудиту їхніх існуючих анотованих даних та допомоги їм у наближенні до 100% якості, щоб вони могли отримати максимальну вигоду від своїх навчальних даних. Наприклад, для забезпечення роботи своїх мультимодальних автономних транспортних засобів деяким виробникам потрібно зв’язати два різних набори даних різної розмірності. Це дуже складно зробити вручну, але це критично важливо для розробки моделей автономних транспортних засобів.

З допомогою платформи Appen, яка забезпечує анотацію 3D-пunkt-хмари з відстежуванням об’єктів на рівні кубоїда 99+%, клієнти тепер можуть анотувати набір даних з 2D-зображеннями, зв’язаними з 3D-пunkt-хмарою, для картографування по декількох вимірах, одночасно забезпечуючи постійний ідентифікатор об’єкта по більш ніж 50 кадрів.

“Наш проєкт ще перебуває на стадії пілотного проєкту, і нам потрібно було прискорити цикл, щоб досягнути виробництва, яке вимагає навчальних даних, які швидко задовольняють вимогам нашого алгоритму. Інструмент анотації, включаючи 3D-LiDAR, високоякісні функції контролю та робочі процеси, вже інтегрований у платформу Appen. Це допомагає нам забезпечити, щоб процес був оптимізований відповідно до вимог нашого проєкту, що дозволяє здійснювати гладке співробітництво між нашою командою та командою Appen. Ми очікуємо переходу цього внутрішнього пілотного проєкту у виробництво”, сказав старший керівник проєкту в Ecarx, компанії автомобільних технологій, яка будує інтелектуальну, з’єднану платформу для декількох моделей транспортних засобів.

Платформа навчальних даних Appen поєднує людський інтелект з більш ніж 1 мільйона людей по всьому світу з передовими моделями для створення найвищої якості навчальних даних для проєктів машинного навчання. Appen також зобов’язаний допомагати своїм клієнтам забезпечувати відповідальний штучний інтелект – від пілотного проєкту до виробництва – на основі етичних практик та різноманітності даних, по всіх основних випадках використання.