Cờ Caro cho Android Cờ Caro cho iOS

08/04/2021

Quay về trang chính

Snorkel AI ghi được $ 35 triệu series b để tự động hóa nhãn dữ liệu trong máy học - TechCrunch

Một trong những khía cạnh tẻ nhạt hơn của việc học máy đang cung cấp một bộ nhãn để dạy mô hình học máy những gì cần biết. Snorkel AI muốn giúp các chuyên gia quan trọng dễ dàng hơn để áp dụng các nhãn đó theo chương trình và ngày nay, sự khởi nghiệp đã công bố một loạt 35 triệu đô la B. Nó cũng công bố một công cụ mới có tên là ứng dụng Studio cung cấp một cách để xây dựng các ứng dụng học máy thông thường bằng các mẫu và các thành phần được xác định trước. Các đối tác liên doanh Lightspeed đã dẫn đầu vòng với sự tham gia từ các nhà đầu tư trước đây Greylock, GV, In-Q-Tel và Nepentine. Các nhà đầu tư mới Walden và Blackrock cũng tham gia. Các báo cáo khởi động rằng nó đã tăng 50 triệu đô la. Đồng sáng lập của công ty và Giám đốc điều hành Alex Ratner nói rằng nhãn dữ liệu vẫn là một thách thức lớn và rào cản để di chuyển máy học và trí tuệ nhân tạo về phía trước trong rất nhiều ngành vì nó tốn kém, tốn nhiều công sức và khó khăn cho các chuyên gia chủ đề khắc phục thời gian để làm điều đó. "Bí mật không tiềm ẩn về AI hôm nay là bất chấp tất cả các tiến bộ công nghệ và dụng cụ, khoảng 80 đến 90% chi phí và thời gian đối với một dự án AI trung bình đi vào chỉ cần ghi nhãn và thu thập và chuyển đổi dữ liệu đào tạo này," Ông nói. Ông nói rằng công ty của ông đã phát triển một giải pháp để đơn giản hóa quy trình này để giúp các chuyên gia môn học dễ dàng thêm nhãn, một quy trình mà ông nói sẽ giảm thời gian và nỗ lực cần thiết để áp dụng nhãn một cách khá ấn tượng từ các tháng hoặc vài ngày , tùy thuộc vào sự phức tạp của dữ liệu. Vì công ty đã phát triển phương pháp này, khách hàng đã yêu cầu trợ giúp trong bước tiếp theo của quá trình học máy, đang thực hiện dữ liệu đào tạo đó và mô hình và xây dựng một ứng dụng. Đó là nơi mà studio ứng dụng đến. Nó có thể là một phân loại hợp đồng tại ngân hàng hoặc máy dò bất thường mạng tại Telco và nó giúp các công ty thực hiện bước tiếp theo sau khi ghi nhãn dữ liệu. "Đó không chỉ là về cách bạn lập trình theo chương trình dữ liệu, nó còn về các mô hình, bộ xử lý, bộ xử lý POST, và vì vậy chúng tôi đã tạo nên điều này hiện có thể truy cập được trong một loại giao diện No-Code Templated và Visual," ông nói. Các sản phẩm của công ty dựa trên nghiên cứu bắt đầu tại phòng thí nghiệm Stanford AI vào năm 2015. Những người sáng lập đã dành bốn năm trong giai đoạn nghiên cứu trước khi ra mắt Snorkel vào năm 2019. Hôm nay, Startup có 40 nhân viên. Ratner nhận ra các vấn đề mà ngành công nghệ đã có từ góc độ đa dạng và nói rằng ông đã nỗ lực có ý thức để xây dựng một công ty đa dạng và bao gồm. "Những gì tôi có thể nói là chúng tôi đã cố gắng ưu tiên nó ở cấp độ công ty, cấp độ toàn đội và ở cấp độ hội đồng quản trị từ ngày đầu tiên, và cũng đưa ra hành động đằng sau đó. Vì vậy, chúng tôi đã làm việc với các công ty bên ngoài để đào tạo và kiểm toán nội bộ và chiến lược xung quanh DEI và chúng tôi đã thực hiện sự đa dạng đường ống một yêu cầu không thể thương lượng của bất kỳ hợp đồng nào của chúng tôi với các công ty tuyển dụng, ông nói. Ratner cũng nhận ra rằng tự động hóa có thể biến đổi mã cứng thành mô hình học máy, và anh ấy hy vọng rằng bằng cách đơn giản hóa quy trình ghi nhãn, nó có thể dễ dàng hơn nhiều để phát hiện sai lệch hơn nhiều khi nó xảy ra. "Nếu bạn bắt đầu với một tá hoặc hai chục thứ mà chúng ta gọi là các chức năng ghi nhãn trong Snorkel, bạn vẫn cần cảnh giác và chủ động về việc cố gắng phát hiện ra thiên vị, nhưng việc kiểm toán dễ dàng hơn những gì đã dạy mô hình của bạn để thay đổi nó bằng cách thay đổi nó bằng cách thay đổi nó và nhìn vào một vài trăm dòng mã. "
Nguồn bài