تلعب رؤية الكمبيوتر دورًا محوريًا بشكل متزايد عبر قطاعات الصناعة، من تتبع التقدم المحرز في مواقع البناء للنشر مسح الباركود الذكي في المستودعات. لكن تدريب نموذج الذكاء الاصطناعي الأساسي لتحديد الصور بدقة يمكن أن يكون مسعى بطيئًا كثيف الموارد ولا يضمن تحقيق نتائج. شركة ناشئة ألمانية جديدة متسرع يريد المساعدة في الوعد بأدوات "الجيل التالي" التي تسرع عملية تدريب النموذج بالكامل لتعليق الصور.
أعلنت Hasty ، التي تأسست في برلين في عام 2019 ، اليوم أنها جمعت 3.7 مليون دولار في جولة أولية بقيادة شاستا فنتشرز. تمتلك شركة Silicon Valley VC عددًا من المخارج البارزة باسمها ، بما في ذلك Nest (المكتسبة بواسطة Google) ، Eero (المكتسبة بواسطة Amazon) و Zuora (IPO). من بين المشاركين الآخرين في الجولة مشاريع iRobot و كوباريون.
كان سوق رؤية الكمبيوتر العالمي بقيمة 11.4 مليار دولار في عام 2020 ، وهو رقم من المتوقع أن يرتفع إلى أكثر من 19 مليار دولار بحلول عام 2027. إعداد البيانات ومعالجتها هو واحدة من أكثر المهام استهلاكا للوقت في الذكاء الاصطناعي ، وهو ما يمثل حوالي 80 ٪ من الوقت الذي يقضيه في المشاريع ذات الصلة. في رؤية الكمبيوتر أو التعليق التوضيحي أو وضع العلامات ، هي تقنية تُستخدم لتمييز الصور وتصنيفها لإعطاء الآلات المعنى والسياق الكامن وراء الصورة ، وتمكينها من تحديد الأشياء المتشابهة. يقع جزء كبير من أعمال التعليقات التوضيحية هذه على عاتق كبار السن الموثوق بهم.
المشكلة التي يبحث Hasty عن حلها هي أن الغالبية العظمى من مشاريع علوم البيانات لا تجعله في الإنتاج، مع إهدار موارد كبيرة في هذه العملية.
قال تريستان رويلارد ، الشريك المؤسس والرئيس التنفيذي لشركة Hasty ، لموقع VentureBeat: "الأساليب الحالية لتصنيف البيانات بطيئة للغاية". "غالبًا ما يضطر مهندسو التعلم الآلي إلى الانتظار من ثلاثة إلى ستة أشهر للحصول على النتائج الأولى لمعرفة ما إذا كانت إستراتيجية التعليقات التوضيحية والنهج الذي يتبعونه يعملان بسبب التأخير بين وضع العلامات والتدريب على النموذج."
جعل التسرع
سفن متسرعة مزودة بـ 10 مساعدين آليين مدمجين للذكاء الاصطناعي ، كل منهم مخصص لتقليل الأعمال الفراغية البشرية. Dextr ، على سبيل المثال ، يسمح للمستخدمين بالنقر فوق أربع نقاط متطرفة فقط على كائن لتمييزه واقتراح التعليقات التوضيحية.
أعلاه: مساعد Hasty's Dextra AI
ويقوم مساعد "تجزئة المثيل" AI الخاص بـ Hasty بإنشاء تعليقات توضيحية أسرع عندما يعثر على مثيلات متعددة لكائن داخل صورة.
أعلاه: تجزئة مثيل AI السريع
يلاحظ المساعد أثناء قيام المستخدمين بالتعليق ويمكنه تقديم اقتراحات للتسميات بمجرد وصولها إلى درجة ثقة معينة. ويمكن للمستخدم تصحيح هذه الاقتراحات لتحسين النموذج أثناء تلقي التعليقات حول مدى فعالية استراتيجية التعليقات التوضيحية.
قال رويلارد: "يمنح هذا الشبكة العصبية منحنى تعليميًا - فهي تتعلم في المشروع كما تسميه".
هناك بالفعل عدد لا يحصى من الأدوات المصممة لتبسيط هذه العملية ، بما في ذلك SageMaker من أمازون, Labelbox المدعومة من Google, V7و داتالوبالتي أعلنت أ جولة جديدة بقيمة 11 مليون دولار من التمويل الشهر الماضي فقط.
لكن Hasty يدعي أنه يمكن أن يجعل العملية برمتها أسرع بشكل ملحوظ من خلال الجمع بين الأتمتة والتدريب على النموذج والتعليقات التوضيحية.
كما هو الحال مع المنصات المماثلة ، يستخدم Hasty واجهة يتعاون من خلالها البشر والآلات. يمكن أن يقدم Hasty تعليقات توضيحية مقترحة بعد تعرضه لعدد قليل من الصور المشروحة من قبل الإنسان ، مع قبول المستخدم (مثل مهندس التعلم الآلي) أو رفضه أو تعديله لهذا الاقتراح. تعني هذه التعليقات في الوقت الفعلي أن النماذج تتحسن كلما زاد استخدامها فيما يُشار إليه غالبًا باسم "دولاب الموازنة".
"الجميع يتطلع إلى بناء دولاب موازنة للبيانات ذاتية التحسين. قال رويلارد إن مشكلة الرؤية (الحاسوبية) للذكاء الاصطناعي هي جعل دولاب الموازنة هذه تدور على الإطلاق في المقام الأول ، [لأنها] باهظة الثمن وتعمل فقط بنسبة 50 ٪ من الوقت - وهذا هو المكان الذي نأتي إليه ".
ردود الفعل السريعة
في الواقع ، تتعلم شبكات Hasty العصبية بينما يقوم المهندسون ببناء مجموعات البيانات الخاصة بهم ، لذا فإن جوانب "الإنشاء" و "النشر" و "التقييم" للعملية تحدث بشكل متزامن بشكل أو بآخر. قد يستغرق النهج الخطي النموذجي شهورًا للوصول إلى نموذج ذكاء اصطناعي قابل للاختبار ، والذي يمكن أن يكون معيبًا بشدة بسبب أخطاء في البيانات أو الافتراضات العمياء التي تم إجراؤها في بداية المشروع. ما يعد به هيستي هو خفة الحركة.
هذا ليس جديدًا تمامًا ، لكن رويلارد قال إن شركته تنظر إلى الملصقات الآلية على أنها مشابهة للقيادة الذاتية ، حيث تعمل التقنيات المختلفة في مختلف ومستوياتها. في مجال السيارة ذاتية القيادة ، يمكن لبعض السيارات فقط الفرامل أو تغيير الحارات ، في حين أن البعض الآخر يفعل ذلك قادرة على الحكم الذاتي الكامل تقريبا. قال رويلارد ، الذي يُترجم إلى تعليق توضيحي ، إن Hasty تأخذ الأتمتة إلى أبعد من العديد من منافسيها ، من حيث تقليل عدد النقرات المطلوبة لتسمية صورة أو مجموعات من الصور.
وأوضح رويلارد: "الجميع يدعو إلى الأتمتة ، ولكن ليس من الواضح ما الذي يتم تشغيله آليًا". "تحتوي جميع الأدوات تقريبًا على تطبيقات جيدة للتشغيل الآلي من المستوى الأول ، ولكن القليل منا فقط يتحمل عناء توفير المستويين 1 و 2 بطريقة تؤدي إلى نتائج مفيدة."
نظرًا لأن البيانات هي أساسًا وقود التعلم الآلي ، فإن الحصول على المزيد من البيانات (الدقيقة) في نموذج AI على نطاق واسع أمر أساسي.
أعلاه: متسارع: مستويات وضع العلامات الآلية
بالإضافة إلى أداة اكتشاف الأخطاء اليدوية ، تقدم Hasty أداة مكتشف الأخطاء التي تعمل بالذكاء الاصطناعي والتي تحدد تلقائيًا المشكلات المحتملة في بيانات التدريب الخاصة بالمشروع. إنها ميزة لمراقبة الجودة تتغلب على الحاجة إلى البحث في البيانات عن الأخطاء.
قال رويلارد: "يتيح لك هذا قضاء وقتك في إصلاح الأخطاء بدلاً من البحث عنها ويساعدك على بناء الثقة في بياناتك بسرعة أثناء التعليق التوضيحي".
أعلاه: متسرع: مكتشف الأخطاء
يدعي Hasty حوالي 4,000 مستخدم ، وهو مزيج متساوٍ إلى حد ما من الشركات والجامعات والشركات الناشئة ومطوري التطبيقات الذين يمتدون إلى كل صناعة تقريبًا. وأضاف رويلارد: "لدينا ثلاث من أفضل 10 شركات ألمانية في مجال الخدمات اللوجستية والزراعة وتجارة التجزئة باستخدام Hasty".
قد تتضمن حالة الاستخدام الزراعي النموذجية تدريب نموذج الذكاء الاصطناعي لتحديد المحاصيل أو الآفات أو الأمراض. في مجال الخدمات اللوجستية ، يمكن استخدام النموذج لتدريب الآلات على فرز الطرود تلقائيًا حسب النوع. وأضاف رويلارد أن Hasty تُستخدم أيضًا في المجال الرياضي لتقديم تحليل وإحصائيات للعبة في الوقت الفعلي لتغطية كرة القدم.
مع 3.7 مليون دولار في البنك ، تخطط الشركة لتسريع تطوير المنتجات وتوسيع قاعدة عملائها في جميع أنحاء أوروبا وأمريكا الشمالية.
