全球人工智能导航平台的新格局

发布时间: 2020-04-07 08:43:16 来源:

将近两年前,向体育俱乐部高管,教练,教练和球员提供数据以改善训练水平的西雅图体育科学公司(Seattle Sport Sciences)艰难地转向了人工智能。它开始开发一种系统,该系统可以从视频源中跟踪球的物理状态和球员的动作。为了构建它,该公司需要标记数百万个视频帧,以教计算机算法寻找什么。首先,雇用一个小团队坐在计算机屏幕前,确定每个帧上的球员和球。但是它很快意识到它需要一个软件平台才能进行扩展。不久,其昂贵的数据科学团队将大部分时间都花在构建一个平台上以处理大量数据。

在今天,每位首席执行官都可以看到(或至少感觉到)机器学习系统转变其业务的机会,这是令人头疼的日子。几乎每个公司都有适合机器学习的流程,这实际上只是教计算机识别模式并根据这些模式做出决策的一种方式,通常比人类更快,更准确。那是我前面路上的一只狗吗?踩刹车。那是X射线上的肿瘤吗?提醒医生。那是野草吗?用除草剂喷洒。

只有内部人士通常知道,数据科学家一经雇用,就花费了比他们自己构建系统更多的时间来构建和维护AI系统的工具。一个最近的一项调查由该公司Algorithmia 500家强企业发现,昂贵的团队花费不到他们的时间训练和迭代机器学习模型,这是他们的主要工作职能的四分之一。

但是,现在出现了新的工具,以简化进入这一技术创新时代的步伐。统一的平台将收集,标记和馈送数据的工作带入有监督的学习模型中,或者可以帮助自己构建模型,它们有望以Salesforce和Hubspot用来管理客户关系的方式来标准化工作流程。其中一些平台使用集成的机器学习算法将复杂的任务自动化,从而使工作更加轻松。这使数据科学家可以腾出时间来花费他们来雇用他们创建的实际结构,并使AI甚至在中小型公司(例如Seattle Sports Science)中也可以使用。

西雅图体育科学的AI架构师John Milton沮丧地发现其数据科学团队正在转动自己的轮子,终于找到了可以完成这项工作的商业解决方案。“我希望我已经意识到我们需要那些工具,” Milton说。他没有将基础架构纳入其原始预算中,因此不得不回到高级管理层那里要求对任何人来说都不是一件愉快的经历。

速览工具箱

AI巨头Google,Amazon,Microsoft和Apple等已稳步向公众发布了工具,其中许多都是免费的,包括庞大的代码库,工程师可以将其编译为深度学习模型。自2018年发布以来,Facebook强大的对象识别工具Detectron已成为最广泛采用的开源项目之一。但是,使用这些工具仍然是一个挑战,因为它们不一定能协同工作。这意味着数据科学团队必须在每个工具之间建立联系,以使他们能够完成公司所需的工作。

即将到来的最新飞跃解决了这一痛点。现在,新平台允许工程师插入组件而无需担心连接。

例如,确定的AI和Paperspace出售用于管理机器学习工作流程的平台。坚定的AI平台包括自动化元素,可帮助数据科学家找到神经网络的最佳架构,而Paperspace则可访问云中的专用GPU。

“如果公司无法访问统一平台,他们会说,'这里是进行超参数调整的开源工具。这是另一种进行分布式培训的方法,“它们实际上将它们粘合在一起,”确定的AI联合创始人Evan Sparks说。“他们这样做的方法实际上是用胶带。”

Labelbox是一个培训数据平台,即TDP,用于管理数据标签,以便数据科学团队可以与全球注释团队有效地合作。(本文的作者是该公司的联合创始人。)它使公司能够跟踪其数据,发现并修复数据中的偏差,并在将其输入到机器学习模型之前优化训练数据的质量。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如有侵权行为,请第一时间联系我们修改或删除,多谢。
Top