Hochwertige Daten können der Schlüssel zu hochwertiger KI sein. Mit Studien Angesichts der Tatsache, dass die Kuratierung von Datensätzen und nicht die Größe die Leistung eines KI-Modells wirklich beeinflusst, ist es nicht verwunderlich, dass der Schwerpunkt zunehmend auf Praktiken zur Verwaltung von Datensätzen gelegt wird. Entsprechend manche UmfragenKI-Forscher verbringen heute einen Großteil ihrer Zeit mit Datenvorbereitungs- und Organisationsaufgaben.
Die Brüder Vahan Petrosyan und Tigran Petrosyan spürten den Schmerz, viele Daten verwalten zu müssen, während sie im College Algorithmen trainierten. Vahan ging während seiner Doktorarbeit sogar so weit, ein Datenverwaltungstool zu entwickeln. Forschung zur Bildsegmentierung.
Einige Jahre später erkannte Vahan, dass Entwickler – und sogar Unternehmen – gerne für ähnliche Tools bezahlen würden. Also gründeten die Brüder eine Firma, SuperAnnotateum es zu bauen.
„Während der Innovationsexplosion im Jahr 2023 rund um Modelle und multimodale KI ist der Bedarf an qualitativ hochwertigen Datensätzen gestiegen, da jede Organisation mehrere Anwendungsfälle hat, die spezielle Daten erfordern“, sagte Vahan in einer Erklärung. „Wir sahen eine Chance, eine benutzerfreundliche Low-Code-Plattform zu entwickeln, wie ein Schweizer Taschenmesser für moderne KI-Trainingsdaten.“
SuperAnnotate, zu dessen Kunden Databricks und Canva gehören, hilft Benutzern beim Erstellen und Verfolgen großer KI-Trainingsdatensätze. Das Startup konzentrierte sich zunächst auf Beschriftungssoftware, bietet mittlerweile aber Tools zur Feinabstimmung, Iteration und Auswertung von Datensätzen an.
Mit der Plattform von SuperAnnotate können Benutzer Daten aus lokalen Quellen und der Cloud verbinden, um Datenprojekte zu erstellen, an denen sie mit Teamkollegen zusammenarbeiten können. Über ein Dashboard können Benutzer die Leistung von Modellen anhand der Daten vergleichen, die zum Trainieren verwendet wurden, und diese Modelle dann in verschiedenen Umgebungen bereitstellen, sobald sie bereit sind.
SuperAnnotate bietet Unternehmen außerdem Zugang zu einem Marktplatz mit Crowdsourcing-Mitarbeitern für Datenanmerkungsaufgaben. Anmerkungen sind in der Regel Textteile, die die Bedeutung oder Teile von Daten kennzeichnen, auf denen Modelle trainieren, und dienen als Wegweiser für Modelle, indem sie ihnen „beibringen“, Dinge, Orte und Ideen zu unterscheiden.
Um ehrlich zu sein, Dort sind mehrere Reddit Threads über die Behandlung der verwendeten Datenannotatoren durch SuperAnnotate, und sie sind nicht schmeichelhaft. Kommentatoren beschweren sich über Kommunikationsprobleme, unklare Erwartungen und niedrige Bezahlung.
SuperAnnotate behauptet seinerseits, dass es marktgerechte Preise zahlt und dass seine Anforderungen an Annotatoren nicht außerhalb der Branchennorm liegen. Wir haben das Unternehmen um detailliertere Informationen zu seinen Praktiken gebeten und werden diesen Artikel aktualisieren, sobald wir etwas hören.
Im Bereich KI-Datenmanagement gibt es mehrere Wettbewerber, darunter Startups wie Scale AI, Weka und Dataloop. SuperAnnotate mit Sitz in San Francisco hat es jedoch geschafft, sich zu behaupten und hat kürzlich in einer von Socium Ventures angeführten Serie-B-Runde unter Beteiligung von Nvidia, Databricks Ventures, Play Time Ventures und Defy.vc 36 Millionen US-Dollar eingesammelt.
Das frische Kapital, das die Gesamteinnahmen von SuperAnnotate auf knapp über 53 Millionen US-Dollar erhöht, wird für die Erweiterung des derzeit rund 100-köpfigen Teams, für Produktforschung und -entwicklung sowie für die Erweiterung des Kundenstamms von SuperAnnotate aus rund 100 Unternehmen verwendet.
„Unser Ziel ist es, eine Plattform zu schaffen, die sich vollständig an die sich verändernden Bedürfnisse von Unternehmen anpassen kann und umfassende Anpassungsmöglichkeiten bei der Datenfeinabstimmung bietet“, sagte Vahan.