Bu son özellikte, Shaip'in CEO'su ve kurucu ortağı Vatsal Ghia, hayali teknoloji tekliflerine biraz ışık tutuyor ve perde arkasındaki gerçek işi ve veri üretimi, veri etiketleme, veri işleme ve daha fazlası gibi yönleri keşfediyor.
Makaleden Çıkan Temel Çıkarım:
- Yapay zeka ve Makine Öğrenimi (ML) teknolojileri, genellikle güçlü teknoloji şirketleri ve kullanışlı ve fütüristik çözümler yaratmak için bir çözüm olarak görülüyor. Bu nedenle, bu teknolojilerin arkasında ne olduğu ve AI modellerinin sunduğu tüm kolaylıklar insanlara neredeyse hiç yansıtılmıyor.
- Yapay Zekanın tüm yelpazesi, resim notu, metin notu, ses notu ve diğerleri gibi birçok veri açıklama tekniğini gerektiren lüks bir restoran gibidir. Ve veri açıklaması, yapay zeka tabanlı süreçlerin gerçekleşmesi için temel oluşturur.
- Ancak veri açıklaması, desteklediği süreç kadar karmaşıktır. Yapay zeka modelleri için öğeleri etiketlemede insan müdahalesi kaçınılmazdır ve bu, tüm süreci yalnızca zaman alıcı değil aynı zamanda sıkıcı hale getirir. Bu nedenle, kuruluşlar veri zorluklarını halletmek için dış kaynakları kullanır.
Burada tam makaleyi okuyun:
https://indiaai.gov.in/article/why-artificial-intelligence-is-incomplete-without-data-annotation
