Neuromation

Over neuromatie

Het Neuromation Platform gebruikt distributed computing samen met blockchain-bewijs van werk-tokens om de ontwikkeling van AI-modellen radicaal te veranderen.

De revolutie heeft lang moeten duren: deep learning maakt gebruik van kunstmatige neurale netwerken met extreem grote capaciteiten en vereist daarom een ​​zeer nauwkeurige labeling. Het verzamelen van grote datasets van afbeeldingen, tekst en geluid is eenvoudig, maar het beschrijven en annoteren van gegevens om het bruikbaar te maken, is van oudsher een uitdaging en een kostbare zaak. Crowdsourcing werd een paar jaar geleden toegepast op het probleem van het maken en labelen van gegevens, waarbij grote aantallen mensen werden gebruikt om fouten te corrigeren en de nauwkeurigheid te verbeteren. Het bleek traag, duur en introduceerde menselijke vooroordelen. Bovendien waren er taken die mensen gewoon niet goed konden doen, zoals het schatten van afstanden tussen objecten, het kwantificeren van verlichting in een scène, het nauwkeurig vertalen van tekst, enzovoort.

We stellen een oplossing voor waarvan de nauwkeurigheid wordt gegarandeerd door constructie: het samenstellen van grote datasets en perfect nauwkeurige labels. De voordelen van synthetische gegevens zijn talrijk. Het is snel te synthetiseren en weer te geven, perfect nauwkeurig, afgestemd op de taak die voorhanden is, en kan worden aangepast om het model en de training zelf te verbeteren. Het is belangrijk op te merken dat echte gegevens met nauwkeurige labels nog steeds vereist zijn voor het evalueren van modellen die getraind zijn op synthetische gegevens, om te garanderen dat de prestaties op basis van de gevolgtrekkingen acceptabel zijn. De vereiste hoeveelheid validatiegegevens is echter orden van grootte kleiner dan trainingsgegevens!