Kili Technology

Bouw snel hoogwaardige datasets. Bedrijven vertrouwen erop dat wij hun datalabelactiviteiten stroomlijnen en de beste datasets bouwen voor hun aangepaste modellen, generatieve AI en LLM's ___ Waarom Kili-technologie? Misschien weet je dit niet, maar: De dataset van MNIST heeft een foutenpercentage van 3,4% en wordt nog steeds geciteerd door meer dan 38.000 artikelen. De ImageNet-dataset, met zijn crowdsourced-labels, heeft een foutenpercentage van 6%. Deze dataset ligt aantoonbaar ten grondslag aan de populairste beeldherkenningssystemen die zijn ontwikkeld door Google en Facebook. Systemische fouten in deze datasets hebben gevolgen voor de praktijk. Modellen die zijn getraind op gegevens die fouten bevatten, worden gedwongen deze fouten te leren, wat leidt tot valse voorspellingen of de noodzaak van herscholing op steeds grotere hoeveelheden gegevens om de fouten ‘uit te spoelen’. Elke sector begint het transformerende potentieel van AI te begrijpen en te investeren. Maar de revolutie van ML-transformatoren en de niet aflatende focus op ML-modeloptimalisatie bereiken het punt van afnemende rendementen. Wat is er nog meer?