우리는 최근에 CTO인 Kelly Ryan과 함께 Sapien 플랫폼의 혁신적인 기능을 살펴볼 기회를 가졌습니다.숙련된 라벨러로 구성된 분산형 네트워크부터 게임화된 도구 및 특수 모듈에 이르기까지, Siemens 플랫폼은 AI 모델 교육을 비즈니스로 확장하기 위한 새롭고 매우 효과적인 솔루션입니다.이 대화에서는 Sapien의 접근 방식의 독특한 측면, 우리가 극복한 기술적 과제, 데이터 레이블링의 미래에 대해 살펴보겠습니다.
1.우리가 만들고 있는 플랫폼을 개괄적으로 설명해 주실 수 있나요?시중에 나와 있는 다른 데이터 라벨링 솔루션과 차별화되는 점은 무엇일까요?
Sapien 플랫폼은 데이터 레이블러를 구조화된 데이터가 필요한 AI 프로젝트에 연결하는 양면 시장입니다.이 제품을 차별화하는 것은 당사의 고급 툴링과 온디맨드 방식으로 이용할 수 있는 매우 다양하고 숙련된 라벨러 커뮤니티입니다.이를 통해 프로젝트를 빠르게 시작하고 매우 높은 정확도로 새로운 지상 실측 데이터를 생성할 수 있습니다.
2.분산형 데이터 라벨러 네트워크는 확장성과 효율성을 개선하는 데 어떤 역할을 할까요?이러한 글로벌 인프라 구축과 관련된 기술적 문제를 어떻게 관리하고 있을까요?
우리의 분산형 데이터 레이블러 네트워크는 현대 데이터 작업에 필요한 다양한 기술과 배경을 제공하기 때문에 확장성에 필수적입니다.여기에는 개 주인과 같은 간단한 자격부터 방사선 전문의와 같은 전문 지식까지 다양합니다.다양한 유형의 데이터에는 고유한 관점과 기술을 갖춘 작업자가 필요하며, Red Hat의 네트워크는 이러한 요구를 충족하도록 설계되었습니다.
3.데이터 라벨링 모듈은 AI 모델 개발과 어떻게 통합되나요?다양한 산업에 대한 유연성 및 맞춤화 측면에서 어떤 이점을 제공합니까?
Sapien은 매우 전문화된 광범위한 라벨링 모듈을 보유하고 있으며, 이는 매주 증가하고 있습니다.높은 수준에서는 라벨러에 압도적인 도구를 제공하는 대신 작업 중 가장 작고 완료하기 쉬운 부분을 라벨러에 제시합니다.이를 통해 라벨러의 작업이 더 쉽고 정확해지며, 이는 시장의 수요 측면에서 비용을 절감하는 것으로 이어집니다.우리는 새로운 고객이나 들어오는 작업을 위해 완전히 새로운 라벨링 도구를 만드는 것을 두려워하지 않습니다. 우리 눈에는 모든 사피엔스가 최선을 다해 작업하도록 하는 데 필요한 최소한의 도구라고 생각합니다.
4.여러 지역에 있는 데이터 레이블러의 대규모 관리를 지원하는 인프라를 어떻게 구축했는지 설명해 주시겠습니까?이를 통해 고객과 레이블 제작자 모두에게 어떤 이점이 있을까요?
첫 번째 원칙부터 우리는 완전히 분산된 환경에서 작동하도록 Sapien의 플랫폼과 인프라를 구축했습니다.특정 라벨링 워크플로의 각 단계에 동일한 언어를 사용하는 작업자가 있어야 한다는 것은 필수 요건도 아닙니다.이를 통해 다양한 배경의 작업자가 의미 있는 작업을 찾을 수 있고 고객이 비전문 노무에 대해 초과 비용을 지불할 필요가 없는 효율적인 시장을 제공할 수 있습니다.
5.게임화된 데이터 수집 플랫폼을 개발하면서 겪었던 주요 기술적 과제는 무엇입니까?이 기능이 데이터 품질 개선에 어떻게 기여하나요?
주요 과제는 항상 두 가지입니다. 첫째, 직원들이 효율적이고 정확하게 일할 수 있는 도구를 제공해야 합니다.게이미피케이션은 단조로운 라벨링 작업을 없애는 데 많은 도움이 됩니다.둘째, 최종 데이터 출력이 항상 고품질로 유지되도록 내부 인프라를 구축하는 것이 고객이 결국 중요하게 생각하는 부분입니다.이는 최고의 라벨러를 식별하고 사용하는 것부터 높은 정확도의 출력을 보장하는 샘플링 시스템을 만드는 것까지 모든 것을 의미합니다.
6.AI와 함께 진화하는 데이터 라벨링의 미래를 어떻게 보십니까?우리 플랫폼은 미래를 설계하는 데 어떤 역할을 할까요? 특히 자동화와 사용자 입력의 균형을 맞추는 데 있어 어떤 역할을 할까요?
자동화된 도구가 점점 더 정교해짐에 따라 데이터 라벨링의 미래에는 인간의 생산량을 늘리기 위해 AI 또는 기타 자동화된 도구를 통해 보강된 인간 파생 라벨이 더욱 강조될 것입니다.새로운 모델이 효과를 발휘하려면 새로운 기본 정보가 필요하며, 정교한 도구로 구성된 프레임워크 내에서 작업자가 작업하는 것이 해당 데이터를 얻는 가장 좋은 방법입니다.
7.강력한 탈중앙화 플랫폼을 구축하는 데 초점을 맞추는 것이 대용량의 레이블이 지정된 데이터를 신속하게 필요로 하는 고객에게 어떻게 도움이 될까요?이 접근 방식의 성능 및 확장성 이점에는 어떤 것이 있을까요?
다양한 기술과 배경을 가진 작업자로 구성된 대규모 커뮤니티를 구축하면 새로운 프로젝트를 소규모로 쉽게 테스트하고 결과적으로 대량의 데이터로 확장할 수 있습니다. 이 모든 것이 고객의 편의에 따라 이루어집니다.또한 다양한 프로젝트 또는 동일한 프로젝트 내의 다양한 요구 사항에 따라 라벨링 인력의 배경이나 기술을 필요에 따라 쉽게 변경할 수 있습니다.
