Ludzie i procesy stojące za sztuczną inteligencją – @shutterstock | Zapp2Zdjęcie
Sztuczna inteligencja ma złą reputację jako zabójca miejsc pracy i zastępujący człowieka. W niektórych obszarach tak jest, ale w innych, szczególnie jeśli chodzi o czyszczenie i przetwarzanie danych, sztuczna inteligencja przoduje w nowych zawodach.
„ Oznaczanie i adnotacja danych ” to wschodząca branża, która wyłoniła się z sztucznej inteligencji. Nieustrukturyzowane zbiory danych ze źródeł takich jak kamery i dane z mediów społecznościowych lub źródła ustrukturyzowane, takie jak bazy danych, są oznaczane, wyróżniane, kolorowane lub podświetlane, aby pokazać różnice i podobieństwa między ludźmi. Aby wytrenować maszynę, aby nauczyła się, co to jest znak stopu, osoba musi wejść na materiał zarejestrowany przez kamerę ulicy i zaznaczyć wszystkie znaki stopu na zdjęciu. Następnie do maszyny wprowadzane są dane identyfikujące tysiące tych obrazów. Z biegiem czasu przetwarzanie oznaczonych danych umożliwi systemowi dokładniejszą identyfikację znaku stopu. Ten rodzaj uczenia maszynowego, w którym system staje się dokładniejszy po otrzymaniu większej ilości danych, nazywa się głębokim uczeniem.
Ponieważ proces ten jest niezbędny, aby algorytmy mogły dokładnie wykonywać podstawowe funkcje, w ciągu najbliższych pięciu lat znaczenie branży etykietowania danych będzie rosło. W 2018 r. wartość rynku przygotowywania danych w zakresie sztucznej inteligencji i uczenia maszynowego – procesu w dużej mierze opierającego się na ręcznym oznaczaniu danych przez ludzi – wyniosła 500 milionów dolarów. Według Cognilytica liczba ta ma wzrosnąć ponad dwukrotnie i osiągnąć 1,2 miliarda dolarów do 2023 roku Dostawcy zewnętrzni oczekują, że wzrost ten znacznie wzrośnie, zwiększając się w tym samym okresie ze 150 milionów dolarów rynku do 1 miliarda dolarów. Etykietowanie danych jest szczególnie ważne w przypadku sztucznej inteligencji, która zajmuje się rozpoznawaniem obiektów i obrazów, pojazdami autonomicznymi oraz etykietowaniem tekstu i obrazu.
Sztuczna inteligencja cieszy się złą sławą jako zabójca miejsc pracy i zamiennik człowieka. W niektórych obszarach jest to prawdą, ale w innych, szczególnie jeśli chodzi o sposób czyszczenia i przetwarzania danych, sztuczna inteligencja odgrywa główną rolę w tworzeniu nowych miejsc pracy.
Etykietowanie i adnotacje danych to rozwijająca się branża zrodzona ze sztucznej inteligencji. Nieustrukturyzowane zbiory danych ze źródeł takich jak kamery i dane z mediów społecznościowych lub źródła ustrukturyzowane, takie jak bazy danych, są oznaczane, oznaczane, kolorowane lub wyróżniane, aby pokazać różnice i podobieństwa między ludźmi. Aby wytrenować maszynę, aby nauczyła się, co to jest znak stopu, osoba musi zapoznać się z nagraniem z kamery przedstawiającym ulicę i zaznaczyć wszystkie znaki stopu na zdjęciu. Następnie do maszyny wprowadzane są dane identyfikujące tysiące tych obrazów. Z biegiem czasu system może dokładniej określić, czym jest znak stopu, przetwarzając oznaczone dane. Ten rodzaj uczenia maszynowego, w którym system staje się dokładniejszy po dostarczeniu większej ilości danych, nazywa się głębokim uczeniem.
Ponieważ proces ten jest niezbędny, aby algorytmy mogły dokładnie wykonywać podstawowe części swoich funkcji, branża etykietowania danych nabierze rozpędu w ciągu najbliższych pięciu lat. W 2018 r. wartość rynku przygotowywania danych w zakresie sztucznej inteligencji i uczenia maszynowego – procesu, który w dużej mierze opiera się na ręcznym oznaczaniu danych przez ludzi – wyniosła 500 milionów dolarów. Według Cognilytica oczekuje się, że wartość ta wzrośnie ponad dwukrotnie, osiągając 1,2 miliarda dolarów do 2023 roku. Zewnętrzni dostawcy spodziewają się znacznego przyspieszenia tego wzrostu, ze 150 milionów dolarów rynku do 1 miliarda dolarów w tym samym okresie. Etykietowanie danych jest szczególnie istotne w przypadku sztucznej inteligencji, która zajmuje się rozpoznawaniem obiektów i obrazów, pojazdami autonomicznymi oraz adnotacjami tekstowymi i obrazowymi.
Pozostajemy w kontakcie
