Neuromation

A plataforma Neuromation usará computação distribuída ao longo de com prova de bloqueio de tokens de trabalho para revolucionar o modelo AI desenvolvimento.

A revolução está há muito atrasada: aprendizado profundo emprega artificial redes neurais de capacitância extremamente grande e, portanto, requer rotulagem altamente precisa. Coletando grandes conjuntos de dados de imagens, texto e som são fáceis, mas descrevendo e anotando dados torná-lo utilizável tem sido tradicionalmente desafiador e dispendioso. Crowdsourcing foi aplicado ao problema da criação de conjuntos de dados e rotulando alguns anos atrás, empregando um grande número de seres humanos para corrigir erros e melhorar a precisão. Provou lento, caro e introduziu o viés humano. Além disso, havia tarefas que os humanos simplesmente não poderia fazer bem, como estimar distâncias entre objetos, quantificando a iluminação em uma cena, traduzindo com precisão texto, e assim por diante.

Propomos uma solução cuja precisão é garantida por construção: sintetizando grandes conjuntos de dados, juntamente com perfeitamente rótulos precisos. Os benefícios dos dados sintéticos são múltiplos. Isto é rápido para sintetizar e renderizar, perfeitamente preciso, adaptado para o tarefa em mãos, e pode ser modificado para melhorar o modelo e treinamento em si. É importante observar que dados reais com rótulos precisos ainda é necessário para avaliar modelos treinados em dados sintéticos, a fim de garantir um desempenho aceitável no momento da inferência. No entanto, a quantidade de dados de validação necessária é a ordem de magnitude menor do que os dados de treinamento!