تحقق من جميع الجلسات عند الطلب من قمة الأمن الذكي هنا.
منصة Andrew Ng القائمة على السحابة لرؤية الكمبيوتر ، Landing AI ، تأخذ تطور الذكاء الاصطناعي (AI) بين الشركات من جميع الأحجام من خلال أحدث عروضها ، LandingLens. يعد الحل بتسهيل الإنشاء والاختبار السريع لمشاريع الذكاء الاصطناعي لرؤية الكمبيوتر ، دون الحاجة إلى مهارات برمجة معقدة أو خبرة سابقة في الذكاء الاصطناعي.
بدأنا باستكشاف قطاع التصنيع ، وهو أحد أصعب الصناعات لنشر رؤية الكمبيوتر. ثم وجدنا أن الأدوات التي أنشأناها للتصنيع ، مع تعديلات قليلة نسبيًا ، يمكن أن تكون مفيدة أيضًا للعديد من تطبيقات الرؤية الحاسوبية الأخرى.
أعلنت الشركة اليوم أن منتجها الرائد للرؤية الحاسوبية ، LandingLens ، متاح الآن للحصول على نسخة تجريبية مجانية ، إلى جانب مخطط تسعير جديد يتيح استخدام الدفع عند الاستخدام لما بعد الفترة التجريبية الأولية.
قال نج لـ VentureBeat: “من خلال النظام الأساسي الجديد ، نهدف إلى توسيع حالات استخدام الأداة الخاصة بنا عبر العديد من الصناعات الأخرى”. “بالنسبة لي ، يتعلق الأمر بتحقيق هدفنا المتمثل في إضفاء الطابع الديمقراطي على إنشاء الذكاء الاصطناعي.”
حدث
قمة الأمن الذكي عند الطلب
تعرف على الدور الحاسم للذكاء الاصطناعي وتعلم الآلة في الأمن السيبراني ودراسات الحالة الخاصة بالصناعة. شاهد الجلسات عند الطلب اليوم.
مشاهدة هنا
“نريد أن يبدأ الجميع مجانًا وأن يجربوه لفهم حالات استخدامه. نحن حريصون على إتاحتها للمزيد من الناس.
نهج يركز على البيانات للذكاء الاصطناعي ورؤية الكمبيوتر
وفقًا لـ Ng ، يركز نظام الذكاء الاصطناعي المرتكز على البيانات في النظام الأساسي على البيانات بدلاً من الكود ، وبما أن العديد من الصناعات تتبنى بشكل متزايد حلول الذكاء الاصطناعي ، فإن التحول الأساسي ضروري لإطلاق الإمكانات الكاملة لهذه التكنولوجيا.
تعطي LandingLens الأولوية لتحسين جودة البيانات لنماذج الذكاء الاصطناعي ، وبالتالي تمكين وظائفها ، حتى في الحالات التي يكون فيها لدى الشركات بيانات محدودة متاحة لتدريب نماذج الذكاء الاصطناعي ، وهو تحد شائع تواجهه معظم الشركات. تتضمن استراتيجية “تتمحور حول البيانات” تدريب نماذج الذكاء الاصطناعي على العمل بكفاءة مع كميات متواضعة من البيانات عالية الجودة بدلاً من الاعتماد فقط على مجموعات البيانات الضخمة التي تدعم تطبيقات الذكاء الاصطناعي عادةً في شركات الإنترنت واسعة النطاق.
“على مدى السنوات القليلة الماضية ، قمنا بالكثير من العمل مع العملاء الذين غالبًا ما كانت لديهم مجموعات بيانات صغيرة. خلال هذه التجارب ، اكتشفنا العديد من الخطوات والتحسينات التقنية التي تمكن الآن خوارزمية لدينا من العمل بشكل جيد على مجموعات البيانات الأصغر ، “قال نج.
وأوضح أن النموذج تم تدريبه على مجموعة بيانات ResNet للتعرف على الصور ، وفي الخلفية ، تستخدم خوارزمية LandingLens المدروسة مسبقًا الضبط التلقائي للمعلمات الفوقية المستند إلى الذكاء الاصطناعي ، مما يتيح لها العمل بشكل جيد مع مجموعات البيانات من كل الأحجام. عندما يتم تمرير البيانات عبر النموذج ، يتم تحسينها من خلال العديد من الخطوات لتقديم مخرجات تم تحليلها جيدًا وعالية الجودة ورؤى مفصلة.
في الآونة الأخيرة ، استخدمت شركة OmniAb لاكتشاف الأجسام المضادة العلاجية LandingLens لأتمتة عملية الفحص البصري بنجاح ، مما أدى إلى زيادة الكفاءة والإنتاجية بشكل كبير. بالإضافة إلى ذلك ، ساعد النظام الأساسي OmniAb في زيادة الوصول إلى الذكاء الاصطناعي داخل مؤسسته لحالات الاستخدام التي تشمل أشخاصًا ليسوا علماء رفيعي المستوى.
كيف يعمل؟
للحفاظ على تناسق البيانات داخل LandingLens ، تستخدم المنصة تقنية متقدمة لوضع العلامات تكتشف تلقائيًا وتصحح الصور ذات العلامات الخاطئة ، مما يعزز جودة البيانات الإجمالية.
يسمح نهج الملصقات التعاوني هذا لعدة مستخدمين بتسمية الصور وتسهيل عملية الوصول إلى توافق في الآراء من خلال سحابة البيانات وإمكانيات نشر الأجهزة المتطورة. نتيجة لذلك ، يمكن تحقيق نشر النموذج الخاص بك واختباره ببضع نقرات بالماوس. يمكن للمستخدمين تحديد خيار النشر الأنسب لمتطلباتهم ، بدءًا من تطبيق Windows إلى واجهة برمجة تطبيقات برمجية.
بالإضافة إلى ذلك ، تستخدم LandingLens آلية التعلم المستمر التي تضمن بقاء النموذج الذي تم إنشاؤه محدثًا من خلال دمج البيانات الجديدة من بيئة النشر لإعادة تدريب النموذج.
“نريد أن نجعل سير عمل تطوير النموذج سهلًا للمستخدمين. لطالما كان النهج التقليدي لتطوير نماذج الذكاء الاصطناعي هو الوسم والتدريب على النشر. نريد تسهيل سير عمل التطوير هذا من خلال جعل المستخدمين لا يكتبون الكثير من التعليمات البرمجية ، ولكن التركيز أكثر على إدخال البيانات “، أضاف نج.
التركيز المستقبلي للذكاء الاصطناعي على رؤية الكمبيوتر
قال نج إن الشركة ستواصل التركيز على تطوير منصة LandingLens كأداة واحدة تخدم تطبيقات رؤية الكمبيوتر المتعددة.
“حالات الاستخدام في رؤية الكمبيوتر تجعلنا مشغولين جدًا حاليًا. يطلب منا العديد من العملاء عبر الصناعات إضافة المزيد من الميزات لحالات مثل تبسيط البيانات غير المتجانسة. لذا فإن خارطة الطريق الحالية تتضمن الكثير من العمل الذي يتعين القيام به في مجال رؤية الكمبيوتر “، قال نج.
من خلال منصة LandingLens ، يهدف Ng إلى حل المشكلات الموجودة اليوم من خلال التخصيص أو تطوير نموذج ذكاء اصطناعي طويل الذيل ، والذي يراه أهم عائق أمام اعتماد الذكاء الاصطناعي على نطاق واسع.
“الطريقة الوحيدة للمؤسسات لإطلاق أقصى قيمة من مشاريع الذكاء الاصطناعي الخاصة بها هي عندما يكون لديهم الحرية في تخصيص نظام الذكاء الاصطناعي الخاص بهم حسب حاجتهم. يمكنهم القيام بذلك عن طريق هندسة البيانات بدلاً من الكود. وبهذه الطريقة ، يمكن للشركات التكيف مع متطلبات السوق المتغيرة وتطوير نماذج أفضل باستخدام موارد بشرية أقل “. “لذلك ، أنا متحمس بشأن تسهيل هدف إضفاء المزيد من الديمقراطية على الوصول إلى إنشاء الذكاء الاصطناعي.”
تتابع الشركة التطبيقات في قطاعات تصنيع السيارات والإلكترونيات والأجهزة الطبية. قال إنغ إن تبني منهجية الذكاء الاصطناعي المرتكزة على البيانات وتنفيذ الذكاء الاصطناعي والحلول القائمة على التعلم العميق لسيناريوهات رؤية الكمبيوتر ستفيد هذه المجموعة المتنوعة من الصناعات.
مهمة VentureBeat هو أن تكون ساحة المدينة الرقمية لصناع القرار التقنيين لاكتساب المعرفة حول تكنولوجيا المؤسسات التحويلية والمعاملات. اكتشف إحاطاتنا.
اكتشاف المزيد من نص كم
اشترك للحصول على أحدث التدوينات المرسلة إلى بريدك الإلكتروني.
