Snorkel AI vertė šoka iki 3,5 mlrd.: duomenys vėl tampa DI varikliu

Snorkel AI vertė pasiekė 3,5 mlrd. dolerių po naujo 350 mln. dolerių raundo, rašo TechCrunch.

Atrodo kaip dar viena didelė DI suma. Bet po ja slepiasi labai praktiškas klausimas: iš ko modeliai mokosi?

Kai visi kalba apie didelius modelius, lengva pamiršti, kad be gerų duomenų net brangiausias modelis pradeda spėlioti kaip pavargęs žmogus pirmadienio rytą.

KĄ PARDUODA SNORKEL AI

Snorkel AI dirba su mokymo duomenimis. Tai reiškia: kaip juos paruošti, pažymėti, sutvarkyti ir panaudoti modeliams, kad šie geriau atliktų konkrečias užduotis.

Įmonėms čia labai pažįstama problema. Duomenų lyg ir yra daug, bet jie išmėtyti per sistemas, dokumentus, lenteles, laiškus ir žmonių galvas.

DI projektas dažnai neprasideda nuo modelio. Jis prasideda nuo klausimo, ar turite padorią žaliavą.

KODĖL RINKA MOKA TIEK DAUG

Modeliai tampa panašesni vieni į kitus. Taip, vienas greitesnis, kitas pigesnis, trečias geriau koduoja. Bet konkurencinis pranašumas vis dažniau persikelia į duomenis ir procesą.

Jeigu įmonė turi unikalius, švarius, gerai aprašytus duomenis, ji gali kurti sprendimą, kurio konkurentas nenusipirks per vieną prenumeratą.

Todėl mokymo duomenų rinka auga. Ji nėra tokia seksuali kaip naujas modelis. Užtat labai arti pinigų.

PAMOKA LIETUVOS VERSLUI

Jeigu norite rimtai naudoti DI, pradėkite ne nuo klausimo „kurį modelį rinktis“. Pradėkite nuo savo duomenų lentynos.

Kokie dokumentai kartojasi? Kur yra klientų klausimai? Kas nuolat sprendžiama rankiniu būdu? Kur darbuotojas ieško atsakymo ilgiau nei turėtų?

Tvarkingi duomenys yra nuobodus darbas. Bet būtent ten dažnai guli skirtumas tarp gražaus DI bandymo ir sistemos, kuri iš tikrųjų padeda dirbti.

FAQ

Kodėl Snorkel AI vertė taip išaugo?

Rinka daug moka už įrankius, kurie padeda paruošti ir valdyti mokymo duomenis DI sistemoms.

Kas yra mokymo duomenys?

Tai duomenys, iš kurių modeliai mokosi atlikti konkrečias užduotis ar atpažinti dėsningumus.

Nuo ko pradėti įmonei?

Nuo svarbiausių procesų ir duomenų šaltinių inventoriaus, o ne nuo aklo modelių lyginimo.

Šaltinis: TechCrunch.

Prieš pirkdami dar vieną DI įrankį, susirašykite 10 dažniausių klausimų, į kuriuos jūsų komanda kasdien ieško atsakymų. Ten dažnai prasideda tikra automatizacija.