Σε αυτό το τελευταίο χαρακτηριστικό, ο Vatsal Ghia, ο Διευθύνων Σύμβουλος και συνιδρυτής της Shaip ρίχνει λίγο φως στις φανταστικές προσφορές τεχνολογίας και εξερευνά την πραγματική δουλειά που βρίσκεται πίσω από τις κουρτίνες και πτυχές όπως η παραγωγή δεδομένων, η επισήμανση δεδομένων, η επεξεργασία δεδομένων και πολλά άλλα.
Το βασικό στοιχείο από το άρθρο είναι:
- Οι τεχνολογίες τεχνητής νοημοσύνης και μηχανικής μάθησης (ML) θεωρούνται συχνά ως λύση για τη δημιουργία ισχυρών εταιρειών τεχνολογίας και βολικών και φουτουριστικών λύσεων. Ως εκ τούτου, δύσκολα προβάλλεται στους ανθρώπους τι κρύβεται πίσω από αυτές τις τεχνολογίες και όλες τις ανέσεις που προσφέρουν τα μοντέλα AI.
- Ολόκληρο το φάσμα της Τεχνητής Νοημοσύνης είναι ακριβώς όπως ένα φανταχτερό εστιατόριο, όπου χρειάζονται πολλές τεχνικές σχολιασμού δεδομένων, όπως σχολιασμός εικόνας, σχολιασμός κειμένου, σχολιασμός ήχου και άλλα. Και ο σχολιασμός δεδομένων θέτει τα θεμέλια για να πραγματοποιηθούν διαδικασίες που βασίζονται σε AI.
- Ωστόσο, ο σχολιασμός δεδομένων είναι τόσο περίπλοκος όσο και η διαδικασία που υποστηρίζει. Και η ανθρώπινη παρέμβαση είναι αναπόφευκτη στην προσθήκη ετικετών σε στοιχεία για μοντέλα τεχνητής νοημοσύνης και αυτό καθιστά την όλη διαδικασία όχι μόνο χρονοβόρα αλλά και κουραστική. Ως εκ τούτου, οι επιχειρήσεις χρησιμοποιούν εξωτερικές πηγές για να λύσουν τις προκλήσεις δεδομένων τους.
Διαβάστε το πλήρες άρθρο εδώ:
https://indiaai.gov.in/article/why-artificial-intelligence-is-incomplete-without-data-annotation
