Люди та процеси, що стоять за штучним інтелектом - @shutterstock | Zapp2photo
Штучний інтелект має погану репутацію вбивці роботи та людської роботи. Це стосується деяких сфер, але в інших, особливо щодо коригування та обробки даних, ШІ є лідером для нових робочих місць.
" Маркування даних та анотація" - це нова галузь, яка виникла з ШІ. Неструктуровані записи даних з таких джерел, як камери та дані соціальних медіа або структуровані джерела, такі як бази даних, позначені, позначені, кольорові або виділені, щоб показати відмінності та схожість людей. Щоб навчити машину, щоб дізнатися, що таке знак зупинки, людина повинна зайти в матеріал камери вулиці та позначити всі знаки зупинки на фотографії. Потім машину додаються до даних, які ідентифікують тисячі цих зображень. З часом система може більш точно розпізнати за допомогою обробки позначених даних, що таке знак зупинки. Цей тип машинного навчання, в якому система стає більш точною, отримуючи більше даних, називається глибоким навчанням.
Оскільки цей процес для алгоритмів для точного виконання основних функцій є важливим, галузь маркування даних набуде значення протягом наступних п'яти років. У 2018 році були підготовлені ринок AI та машинного навчання, процес, який сильно залежить від людей, даних, що вручну, - 500 мільйонів доларів. За словами Congylytica , це, як очікується, вдвічі збільшиться і 1,2 мільярда доларів до 2023 року. Третій постачальники партій очікують значного збільшення цього зростання, що збільшиться з 150 мільйонів доларів від ринку до 1 мільярда доларів за той же період. Маркування даних є особливо важливим для ШІ, яке стосується розпізнавання об'єктів та зображень, автономних транспортних засобів, а також текстом та білдом.
Штучний інтелект отримує поганий реп як вбивця роботи та замінювач людини. У деяких областях це правда, але в інших, особливо оточуючих, як очищаються та обробляються дані, AI очолює нові роботи.
Маркування даних та анотація - це процвітаюча галузь, народжена від ШІ. Неструктуровані набори даних з таких джерел, як камери та дані соціальних медіа або структуровані джерела, як бази даних, позначаються, позначені, кольорові або виділяють, щоб показати відмінності, подібності людей. Щоб навчити машину до того, що є знаком зупинки, людина повинна зайти в кадри камери вулиці та відзначити всі знаки зупинки на фотографії. Потім машину подають дані, що ідентифікують тисячі зображень дипломної роботи. Понаднормово Система може більш точно визначити, що таке знак зупинки, обробляючи мічені дані. Цей тип машинного навчання, де система стає більш точною, подаючи більше даних, називається глибоким навчанням.
Оскільки цей процес має важливе значення для алгоритмів для точного виконання основних частин ІТ -функції, галузь маркування даних планується зняти протягом наступних п'яти років. У 2018 році ринок AI та підготовки даних про машинного навчання, процес, який значною мірою покладається на людей, щоб вручну позначити дані, становив 500 мільйонів доларів. Домовляючись про Congtilytica , що, як очікується, більше ніж удвічі, досягнення 1,2 долара до 2023 доларів. Маркування даних є особливо важливим для ШІ, що стосується розпізнавання об'єктів та зображень, автономних транспортних засобів, анотації тексту та зображень.
Підтримувати зв’язок
