Die mense en prosesse agter kunsmatige intelligensie – @shutterstock | Zapp2 Foto
Kunsmatige intelligensie het 'n slegte reputasie as 'n werkverdelger en 'n plaasvervanger vir menslike werkers. In sommige gebiede is dit waar, maar in ander, veral met betrekking tot data-skoonmaak en -verwerking, lei KI die voortou in die skep van nuwe werkgeleenthede.
' Data-etikettering en -annotasie' is 'n ontluikende bedryf wat uit KI ontstaan het. Ongestruktureerde datastelle van bronne soos kameras en sosiale media, of gestruktureerde bronne soos databasisse, word gemerk, gemerk, gekleur of uitgelig om verskille en ooreenkomste tussen individue te openbaar. Om 'n masjien op te lei om 'n stopteken te herken, sal 'n persoon in 'n straatkamera se beeldmateriaal inloop en al die stoptekens in die foto merk. Die masjien sal dan data ontvang wat duisende van hierdie beelde identifiseer. Met verloop van tyd, deur die gemerkte data te verwerk, kan die stelsel meer akkuraat word in die herkenning van wat 'n stopteken is. Hierdie tipe masjienleer, waar 'n stelsel akkuraatheid verbeter deur meer data te ontvang, word diep leer genoem.
Omdat hierdie proses noodsaaklik is vir algoritmes om kernfunksies akkuraat uit te voer, sal die data-etiketteringsbedryf oor die volgende vyf jaar beduidende belangrikheid kry. In 2018 is die mark vir KI- en masjienleer-datavoorbereiding, 'n proses wat sterk afhanklik is van mense wat data handmatig etiketteer, op $500 miljoen gewaardeer. Volgens Cognilytica word verwag dat dit meer as sal verdubbel en teen 2023 $1,2 miljard sal bereik. Derdeparty-verskaffers verwag 'n aansienlike toename in hierdie groei, van 'n markgrootte van $150 miljoen tot $1 miljard oor dieselfde tydperk. Data-etikettering is veral belangrik vir KI-toepassings soos voorwerp- en beeldherkenning, outonome voertuie en teks- en beeldannotasie.
Kunsmatige intelligensie kry 'n slegte reputasie as 'n werkverdelger en vervanger van menslike werkers. In sommige gebiede is dit waar, maar in ander, veral rondom hoe data skoongemaak en verwerk word, lei KI nuwe werkgeleenthede.
Data-etikettering en -annotasie is 'n ontluikende bedryf wat uit KI gebore is. Ongestruktureerde datastelle van bronne soos kameras en sosiale media-data of gestruktureerde bronne, soos databasisse, word gemerk, gekleur of uitgelig om verskille en ooreenkomste tussen mense te wys. Om 'n masjien op te lei om te leer wat 'n stopteken is, moet 'n persoon in kamerabeeldmateriaal van 'n straat ingaan en al die stoptekens in die foto merk. Die masjien word dan met data gevoer wat duisende van hierdie beelde identifiseer. Met verloop van tyd kan die stelsel meer akkuraat identifiseer wat 'n stopteken is deur die geëtiketteerde data te verwerk. Hierdie tipe masjienleer, waar 'n stelsel meer akkuraat word deur meer data te ontvang, word diep leer genoem.
Aangesien hierdie proses noodsaaklik is vir algoritmes om kerne van sy funksie akkuraat uit te voer, is die data-etiketteringsbedryf gereed om oor die volgende vyf jaar 'n hupstoot te gee. In 2018 het die mark vir KI en masjienleer-datavoorbereiding, 'n proses wat swaar op mense staatmaak om data handmatig te etiketteer, $500 miljoen gestaan. Volgens Cognilytica word verwag dat dit meer as verdubbel en teen 2023 $1,2 miljard sal bereik. Derdeparty-verskaffers verwag 'n beduidende toename in daardie groei, van $150 miljoen van die mark tot $1 miljard oor dieselfde tydperk. Data-etikettering is veral noodsaaklik vir KI wat handel oor voorwerp- en beeldherkenning, outonome voertuie en teks- en beeldannotasie.
Behou kontak
