Kili Technology

Szybko twórz wysokiej jakości zbiory danych. Przedsiębiorstwa ufają nam, że usprawnimy ich operacje etykietowania danych i zbudujemy najlepsze zbiory danych dla ich niestandardowych modeli, generatywnej sztucznej inteligencji i LLM ___ Dlaczego Kili Technology? Być może tego nie wiesz, ale: W zbiorze danych MNIST poziom błędów wynosi 3,4% i nadal jest on cytowany w ponad 38 000 artykułów. Zbiór danych ImageNet z etykietami pochodzącymi z crowdsourcingu charakteryzuje się współczynnikiem błędów wynoszącym 6%. Ten zbiór danych stanowi prawdopodobnie podstawę najpopularniejszych systemów rozpoznawania obrazów opracowanych przez Google i Facebook. Błąd systemowy w tych zbiorach danych ma konsekwencje w świecie rzeczywistym. Modele szkolone na danych zawierających błędy są zmuszone uczyć się tych błędów, co prowadzi do fałszywych przewidywań lub konieczności ponownego uczenia się na coraz większej ilości danych w celu „wypłukania” błędów. Każda branża zaczęła rozumieć transformacyjny potencjał sztucznej inteligencji i inwestować. Jednak rewolucja transformatorów ML i nieustanne skupianie się na optymalizacji modelu ML osiąga punkt malejących zysków. Co jeszcze jest?