Yapay Zekanın Arkasındaki İnsanlar ve Süreç

Yayınlanan: 1 Nisan 2019 / Güncelleme: 1 Nisan 2019 - Yazar: Konrad Wolfenstein

Yapay zekanın arkasındaki insanlar ve süreçler – @shutterstock | Zapp2Fotoğraf

Yapay zeka, iş öldürücü ve insan-işçi ikamesi olarak kötü bir üne sahiptir. Bazı alanlarda durum böyle, ancak diğerlerinde, özellikle de veri temizleme ve işleme söz konusu olduğunda, yapay zeka yeni işlere öncülük ediyor.

' Veri etiketleme ve ek açıklama', AI'dan ortaya çıkan gelişmekte olan bir endüstridir. Kameralar ve sosyal medya verileri gibi kaynaklardan yapılandırılmamış veri kayıtları veya veritabanları gibi yapılandırılmış kaynaklar, insanlardan farklılıklar ve benzerlikler göstermek için etiketlenir, işaretlenir, renkli veya vurgulanır. Bir makineyi durlamanın ne olduğunu öğrenmek için bir makineyi eğitmek için, bir kişinin bir sokağın kamera malzemesine girmesi ve fotoğraftaki tüm durma işaretlerini işaretlemesi gerekir. Makine daha sonra binlerce bu görüntüleri tanımlayan verilere eklenir. Zamanla, sistem, bir durlamanın ne olduğunu belirgin verilerin işlenmesi yoluyla daha kesin olarak tanıyabilir. Bir sistemin daha fazla veri alarak daha hassas hale geldiği bu tür makine öğrenimine derin öğrenme denir.

Bu süreç, algoritmaların temel işlevleri doğru bir şekilde yerine getirmesi için gerekli olduğundan, veri etiketleme sektörünün önemi önümüzdeki beş yıl içinde artacaktır. Büyük ölçüde insanların verileri manuel olarak etiketlemesine dayanan bir süreç olan yapay zeka ve makine öğrenimi veri hazırlama pazarı 2018'de 500 milyon dolardı. Cognilytica'ya göre bunun iki kattan fazla artarak 2023 yılına kadar 1,2 milyar dolara ulaşması bekleniyor Üçüncü taraf sağlayıcılar, bu büyümenin önemli ölçüde artmasını ve aynı dönemde pazarın 150 milyon dolardan 1 milyar dolara çıkmasını bekliyor. Veri etiketleme, nesne ve görüntü tanıma, otonom araçlar ve metin ve görüntü etiketlemeyle ilgilenen yapay zeka için özellikle önemlidir.

Yapay zeka, iş öldürücü ve insan-işçi ikamesi olarak kötü bir şöhrete sahip. Bazı alanlarda bu doğrudur ancak diğer alanlarda, özellikle de verilerin nasıl temizlendiği ve işlendiği konusunda yapay zeka yeni işlere öncülük ediyor.

Veri etiketleme ve açıklama ekleme, yapay zekadan doğan gelişen bir endüstridir. Kameralar ve sosyal medya verileri gibi kaynaklardan veya veritabanları gibi yapılandırılmış kaynaklardan alınan yapılandırılmamış veri kümeleri, insanlar tarafından farklılıkları, benzerlikleri gösterecek şekilde etiketlenir, işaretlenir, renklendirilir veya vurgulanır. Bir makineyi dur işaretinin ne olduğunu öğrenecek şekilde eğitmek için bir kişinin bir sokağın kamera görüntülerine girmesi ve fotoğraftaki tüm dur işaretlerini işaretlemesi gerekir. Daha sonra makineye bu görüntülerin binlercesini tanımlayan veriler beslenir. Fazla mesai, sistem etiketli verileri işleyerek dur işaretinin ne olduğunu daha doğru bir şekilde tanımlayabilir. Bir sistemin daha fazla veriyle beslenerek daha doğru sonuçlar elde ettiği bu tür makine öğrenimine derin öğrenme adı veriliyor.

Bu süreç, algoritmaların işlevinin temel kısımlarını doğru bir şekilde yerine getirmesi için gerekli olduğundan, veri etiketleme endüstrisinin önümüzdeki beş yıl içinde yükselişe geçmesi bekleniyor. Verileri manuel olarak etiketlemek için ağırlıklı olarak insanlara dayanan bir süreç olan yapay zeka ve makine öğrenimi veri hazırlama pazarı 2018'de 500 milyon dolardı. Cognilytica'ya göre bu rakamın iki katından fazla artarak 2023'e kadar 1,2 milyar dolara ulaşması bekleniyor. Üçüncü taraf sağlayıcılar, aynı zaman diliminde pazarın 150 milyon dolarından 1 milyar dolara çıkarak bu büyümede önemli bir artış görmeyi bekliyor. Veri etiketleme, nesne ve görüntü tanıma, otonom araçlar ve metin ve görüntü açıklamalarıyla ilgilenen yapay zeka için özellikle önemlidir.

Statista'da daha fazla infografik bulacaksınız