Heartex ، وهي شركة ناشئة تتصدر نفسها كمنصة مفتوحة المصدر لوضع علامات على البيانات ، أعلنت اليوم أنها هبطت 25 مليون دولار في جولة تمويل من السلسلة A بقيادة Redpoint Ventures. كما شاركت المشاريع غير العادية ، Bow Capital و Swift Ventures ، حيث رفعت إجمالي رأس المال من Heartex إلى 30 مليون دولار. أخبرت Malyuk TechCrunch أن القوى العاملة للشركة من 28 شخصًا إلى 68 عامًا بحلول نهاية العام.
قادمة من خلفيات الهندسة والتعلم الآلي عبر البريد الالكتروني. في ذلك الوقت ، عملنا جميعًا في شركات مختلفة وفي صناعات مختلفة ، لكننا شاركنا نفس الصراع مع دقة النموذج بسبب بيانات التدريب ذات الجودة الضعيفة. اتفقنا على أن الحل الوحيد القابل للتطبيق هو وجود فرق داخلية ذات خبرة في المجال تكون مسؤولة عن شرح بيانات التدريب وتنسيقها. من الذي يمكنه تقديم أفضل النتائج بخلاف خبرائك؟
، شارك مطورو البرامج Malyuk و Maxim Tkachenko و Nikolay Lyubimov في عام 2019. كان Lyubimov مهندسًا كبيرًا في Huawei قبل الانتقال إلى Yandex ، حيث كان يعمل ك مطور خلفي على تقنيات الكلام وأنظمة الحوار.
لوحة معلومات Heartex. اعتمادات الصورة: heartex
العلاقات مع Yandex ، وهي شركة يشار إليها أحيانًا باسم Google في روسيا ، قد تثير بعض الشيء - خاصة في ضوء الاتهامات من الاتحاد الأوروبي الذي لعبه قسم الأخبار في Yandex دورًا كبيرًا في نشر الكرملين الدعاية. يوجد لدى Heartex مكتب في سان فرانسيسكو ، كاليفورنيا ، ولكن يوجد العديد من مهندسي الشركة في جمهورية جورجيا السوفيتية السابقة. جوهر منصة وضع العلامات الخاصة بها للتفتيش. وأضاف ماليوك أن بنية البيانات التي تبقي البيانات خاصة على تخزين العميل ، وفصل طائرة البيانات وطائرة التحكم. فيما يتعلق بالفريق ومواقعه ، نحن فريق دولي للغاية لا يوجد لديه أعضاء حاليون في روسيا. القيمة من البيانات عن طريق الاستفادة من الذكاء الاصطناعي. هناك موجة متزايدة من الشركات التي تهدف إلى أن تصبح تركز على البيانات-أبلغ Gartner مؤخرًا أن استخدام المؤسسات لـ AI نما بنسبة 270 ٪ على مدى السنوات القليلة الماضية. لكن العديد من المنظمات تكافح لاستخدام الذكاء الاصطناعى على أكمل وجه. قال. هذا تقدم من ممارسات التطوير السابقة التي ركزت بشكل حصري تقريبًا على تطوير وضبط الخوارزمية. عملية تطوير الذكاء الاصطناعي. تتعلم العديد من أنظمة الذكاء الاصطناعى فهم الصور ومقاطع الفيديو والنصوص والصوت من أمثلة تم تصنيفها من قبل فرق من الشروط البشرية. تمكن الملصقات الأنظمة من استقراء العلاقات بين الأمثلة (على سبيل المثال ، الارتباط بين حوض المطبخ التسميات وصورة لمغسلة المطبخ) للبيانات التي لم تشاهدها الأنظمة من قبل (مثل صور أحواض المطبخ التي لم يتم تضمينها البيانات المستخدمة لتدريس النموذج).
المشكلة ، لا يتم إنشاء جميع العلامات على قدم المساواة. يتطلب وضع بيانات مثل العقود القانونية والصور الطبية والأدب العلمي خبرة في المجال ليس فقط أي تعليق. و - كونها إنسانًا - يرتكبون أخطاء. في تحليل معهد ماساتشوستس للتكنولوجيا لمجموعات بيانات الذكاء الاصطناعى الشهيرة ، وجد الباحثون بيانات خاطئة مثل سلالة من الكلاب مرتبكة لآخر وملاحظة عالية من أريانا غراندي مصنفة على أنها صافرة.
اخلاء مسؤولية! هذا المقال لا يعبر بالضرورة عن رأي جامعة الرازي
