Vatsal Ghiya, dyrektor generalny i współzałożyciel Shaip, ma 20-letnie doświadczenie w oferowaniu usług sztucznej inteligencji w opiece zdrowotnej i omówił znaczenie głównych wyzwań związanych z adnotacjami do obrazów i wideo w tej najnowszej funkcji dla gości.
Kluczowym wnioskiem z artykułu jest:
- Pomijając typy i techniki adnotacji, adnotacja danych jest bardziej złożona niż znalezienie jakichkolwiek innych strategii. Oprócz adnotacji tekstowych i wideo, przedsiębiorstwa muszą skupić się na adnotacjach graficznych i wideo, jeśli chodzi o przygotowywanie inteligentnych modeli, ponieważ do wprowadzenia tych zmian potrzeba wielu dokładności i umiejętności.
- Wśród wszystkich głównych przeszkód jest ogromna ilość danych szkoleniowych, z którymi firmy mają trudności w zarządzaniu. W przeciwieństwie do modeli NLP, które opierają się na adnotacjach tekstowych i dźwiękowych, projekty AI i ML muszą pracować z różnymi zestawami danych i lepiej zarządzać pracownikami.
- Dodatkowo przy dużej ilości zbiorów danych utrzymanie ich jakości i spójności to kolejny problem, z którym muszą sobie radzić przedsiębiorstwa. Większy problem pojawia się jednak, gdy brak niezawodnych platform do adnotacji i utrzymywanie zgodności z danymi o niższej jakości staje się ciągłym wyzwaniem.
Przeczytaj cały artykuł tutaj:
https://www.techcults.com/what-are-the-major-image-and-video-annotation-challenges/