Фрилансеры Turing Labs обучают ИИ с помощью GoPro

Фрилансеры компании Turing Labs, работающей в области искусственного интеллекта, используют камеры GoPro, чтобы запечатлеть свои творческие процессы и повседневные действия для обучения моделей компьютерного зрения. Снятый материал синхронизируется, позволяя системе анализировать различные ракурсы одного и того же действия. Каждая камера работает до пяти часов в день. Тейлор, одна из фрилансеров, поделилась своим опытом работы с Turing Labs, отметив, что цель использования GoPro заключается в развитии ИИ абстрактного мышления и способности к последовательному решению задач. Модель зрительного восприятия Turing будет обучаться на видео, большую часть которых соберет стартап, сотрудничая с различными специалистами — от художников до электриков. Директор Turing по ИИ Сударшан Сивараман подчеркнул, что ручной сбор данных необходим для получения разнообразного набора данных. Он также отметил, что около 75-80% данных компании являются синтетическими, основанными на оригинальных видео, что требует высокого качества исходных данных.

Вопрос-ответ

1. Для чего фрилансеры Turing Labs используют камеры GoPro?

Фрилансеры Turing Labs используют камеры GoPro, чтобы записывать свои творческие процессы и повседневные действия. Эти видеоматериалы синхронизируются и служат для обучения моделей компьютерного зрения, помогая ИИ развивать абстрактное мышление и способность к последовательному решению задач.

2. Кто собирает видеоматериалы для обучения ИИ Turing Labs и как обеспечивается их разнообразие?

Видеоматериалы собирают фрилансеры Turing Labs, используя камеры GoPro, которые работают до пяти часов в день. Для обеспечения разнообразия данных стартап сотрудничает с различными специалистами, включая художников и электриков, что позволяет получить широкий спектр сценариев и действий.

3. Каково соотношение реальных и синтетических данных в Turing Labs и почему это важно?

Около 75-80% данных Turing Labs являются синтетическими, то есть созданными на основе оригинальных видеоматериалов. Это требует высокого качества исходных реальных данных, поскольку они служат основой для генерации большого объема синтетических данных, необходимых для полноценного обучения ИИ.