توسعه هوش مصنوعی برای یادگیری ماشین

یکی از چالش های بزرگ در توسعه ی پروژه های یادگیری ماشین می توان به سادگی دریافت که اطلاعات کافی برای آموزش الگوریتم ها وجود ندارد. اما گروه AI Superb عضوی از کلاس زمستانی Y Combinator برای این مشکل یک راه حلی دارد. این گروه به سایر شرکت ها کمک می کند تا مجموعه داده های سفارشی را برای رعایت الزامات هر پروژه ی یادگیری ماشین ایجاد کنند. از هوش مصنوعی برای سرعت بخشیدن به روند ایجاد دادهای سفارشی استفاده می شود.

آقای هیون کیم، مدیر عامل و بنیانگذار این استارتاپ می گوید: یکی از بزرگترین مشکلاتی که برای شرکت هایی که سعی می کنند هوش مصنوعی و یادگیری ماشین را در پروژه های خود ترکیب کنند، جمع آوری مجموعه ای از اطلاعات مناسب برای آموزش مدل ها است. شرکت supreb از هوش مصنوعی استفاده می کند تا داده های آموزشی AI سفارشی را برای شرکت های بزرگ بزرگ فناوری فراهم می کند. کیم در مصاحبه ی خود با TechCrunch گفت که مشتریان ما برای توسعه ی و یادگیری ماشین با ما همکاری می کنند تامحصولاتشان سریعتر توسعه یابد.

کیم به کمک همراهان و بنیانگذاران دیگر ( Jung Kwon ، مهندسین آموزش ماشین Jonghyuk , Moonsu و  Hyundong ، رئیس فروش و عملیات APAC که در سئول ، کستقر می باشند) از زمانی که مشکلات را شناسایی کردند، در این زمینه با همدیگر در این حوزه همکاری کردند و در نهایت تصمیم به تاسیس یک شرکت برای حل این مشگل کردند. به طور سنتی، شرکت هایی را که روی یک پروژه ی یادگیری ماشین کار می کنند، از نیروهای انسانی برای برای تست داده ها و برچسب گذاری، استخدام می کنند.

اما این روند بسیار گران و بروز خطا در آن زیاد است. همچنین، اجرای آن فقط در صورتی امکان پذیر خواهد بود که این اطلاعات در اختیار شرکت ها قرار بگیرد که خلاف آن است. کیم و همراهانش که در پروژه های هوش مصنوعی مشغول به کار بودند و حتی در دوران دانشگاه در زمینه ی هوش مصنوعی مطالعه داشته اند. در نتیجه، به این نتیجه رسیدند که استفاده از هوش مصنوعی در برچسب گذاری بهترین راهکار خواهد بود.

کیم در ادامه ی صحبت های خود توضیح داد: به جای اینکه به نیروی انسانی که بسیار آهسته و پرخطاست تکیه کنیم، استارتاپ Superb از سیستم هوش مصنوعی هوشمندانه ای استفاده می کند که به نیروی های انسانی کمک می کند تا  تصاویر را تا ۱۰ برابر سریعتر برچسب گذاری کنند. این شرکت همچنین برای پیدا کردن منابع داده ی مورد نیاز شرکتهایی که اطلاعاتی برای شروع ندارند، کمک خواهد کرد.

مدیرعامل Superb AI می‌گوید آن‌ها نیروی انسانی را کاملا از فرایند برچسب‌گذاری حذف نمی‌کنند؛ بلکه با ترکیب هوش انسانی و مصنوعی، فرایند را تسهیل می‌بخشند. فعالیت آن‌ها چند مرحله دارد: ابتدا، داده‌های آموزشی تاحدممکن تقسیم‌بندی می‌شوند تا فرایندها به‌صورت مرحله‌به‌مرحله اتوماتیک شوند. اگر داده‌ها بیش‌ازحد پیچیده باشند و فرایند برچسب‌گذاری قابلیت اتوماسیون نداشته باشد، رویکردی دیگر با نام Human in the Loop استفاده می‌شود. با آن فرایند، وقتی هوش انسانی اطلاعات را برچسب‌گذاری کند، هوش مصنوعی روند آن را به‌مرور می‌آموزد و کم‌کم کنترل فرایند را در دست می‌گیرد.

کیم در ادامه می گوید: آن ها نیروی انسانی را به صورت کامل از فرایند برچسب گذاری نمی گیرند، اما با ترکیب کارگران انسانی با هوش مصنوعی، دقت برچسب گذاری را افزایش می دهند. وی میگوید این شامل دو مرحله می شود. در مرحله اول، داده های آموزشی را به عناصر مختلفی تقسیم می کنند تا بتوانند هر قطعه را مرحله به مرحله اتوماتیک کنند. اگر داده ها بیش از حد پیچیده باشند و ابزارهای هوش مصنوعی قادر به برچسب گذاری خودکار آنها نباشد، از روش دوم به نام (Human in the loop) استفاده خواهد شد. به کمک این فرایند، زمانی که هوش مصنوعی اطلاعات را برچسب گذاری می کند، هوش مصنوعی می تواند به گذر زمان به مرور آن را یادبگیرد و در نهایت این فرایند را در دست می گیرد.

موسسین این استارتاپ تصمیم گرفتند تا برای ورود تدریجی به فضای سیلیکونی وارد شتاب دهنده Y Combinator شوند تا بتوانند بازار خود را به دیگر کشورها گسترش دهند. کیم در ادامه مصاحبه خود گفت: مقدار دانش و تجربه ای که ما از شرکای YC و همراهانش کسب کردیم واقعا باور نکردنی است. کیم گفت: همچنین شبکه گسترده YC به ما در یافتن مشتریان اولیه در سیلیمون کمک کرده است.

این شرکت  از ماه اکتبر (آبان ماه) فعالیت خود را با ۱۳ کارمند شروع کرد. طبق گفته ی کیم، آن ها موفق یه جذب سرمایه اولیه ۳۰۰ هزار دلاری شوند و تا کنون درامد بسیاری از این کسب و کار خود کسب کرده اند.

منبع softspeed