בתכונה האחרונה הזו, Vatsal Ghia, המנכ"ל והמייסד המשותף של Shaip שופך קצת אור על הצעות טכנולוגיות מדוייקות וחוקר את העבודה האמיתית שעומדת מאחורי הווילונות והיבטים כמו - יצירת נתונים, תיוג נתונים, עיבוד נתונים ועוד.
המפתח מהמאמר הוא:
- טכנולוגיות של בינה מלאכותית ולמידת מכונה (ML) נתפסות לרוב כפתרון ליצירת חברות טכנולוגיה חזקות ופתרונות נוחים ועתידניים. לפיכך, כמעט ולא מוקרן לאנשים מה עומד מאחורי הטכנולוגיות הללו וכל הנוחות שמציעים דגמי AI.
- כל הספקטרום של בינה מלאכותית הוא בדיוק כמו מסעדה מפוארת, שבה נדרשות טכניקות רבות של הערות נתונים כמו הערות תמונה, הערות טקסט, הערות אודיו ואחרות. והערת נתונים מניחה את הבסיס להתרחשות תהליכים מבוססי בינה מלאכותית.
- אבל, הערת נתונים מורכבת כמו התהליך שהוא תומך בו. והתערבות אנושית היא בלתי נמנעת בתיוג אלמנטים עבור מודלים של AI וזה הופך את התהליך כולו לא רק לגוזל זמן אלא מייגע. לפיכך, ארגונים משתמשים במקורות חיצוניים כדי לבצע את אתגרי הנתונים שלהם.
קראו את המאמר המלא כאן:
https://indiaai.gov.in/article/why-artificial-intelligence-is-incomplete-without-data-annotation
