Neuromation

La plataforma Neuromation usará computación distribuida junto con tokens de prueba de trabajo blockchain para revolucionar el desarrollo del modelo AI. La revolución está muy retrasada: el aprendizaje profundo emplea redes neuronales artificiales de capacidad extremadamente grande y, por lo tanto, requiere un etiquetado altamente preciso. La recopilación de grandes conjuntos de datos de imágenes, texto y sonido es fácil, pero la descripción y anotación de los datos para que sea utilizable ha sido tradicionalmente desafiante y costosa.

Crowdsourcing se aplicó al problema de la creación de conjuntos de datos y el etiquetado hace unos años, empleando grandes cantidades de seres humanos para corregir errores y mejorar la precisión. Resultó lento, costoso e introdujo el sesgo humano. Además, había tareas que los humanos simplemente no podían hacer bien, como estimar distancias entre objetos, cuantificar la iluminación en una escena, traducir con precisión el texto, etc.

Proponemos una solución cuya precisión está garantizada por la construcción: sintetizar grandes conjuntos de datos junto con etiquetas perfectamente precisas. Los beneficios de los datos sintéticos son múltiples. Es rápido de sintetizar y renderizar, es perfectamente preciso, se adapta a la tarea en cuestión y se puede modificar para mejorar el modelo y la capacitación en sí. Es importante tener en cuenta que aún se requieren datos reales con etiquetas precisas para evaluar modelos capacitados en datos sintéticos, a fin de garantizar un rendimiento aceptable en el momento de la inferencia.

Sin embargo, la cantidad de datos de validación requeridos es órdenes de magnitud más pequeños que los datos de entrenamiento.