MIT Media Lab végzős hallgatói, Karthik Dinakar és Birago Jones 2010-ben egy osztályprojektbe kezdtek, hogy létrehozzanak egy eszközt a tartalmi moderációs csapatok számára a közösségi média platformokon. A projektjük, ami végül a Pienso nevet kapta, a célja az volt, hogy azonosítsa a aggasztó bejegyzéseket és küzdjön meg a cyberbullyinggal. Azonban egy jelentős akadályba ütköztek, amikor a modelljük nem ismerte fel a tinédzserek szlengjét és a felhasználók által használt közvetett nyelvezetet. Ezek az tapasztalatok hozták rájuk a lényeges felismerést – az adatszakértők, nem csak a gépi tanulás mérnökei, részt kell venniük az ilyen modellek kialakításában.
Ez a felismerés vezette Dinakar és Jones-t olyan egyszerűsített eszközök kifejlesztésére, amelyek lehetővé teszik nem szakértők számára gépi tanulási modellek létrehozását. A Pienso most már lehetővé teszi a felhasználók számára, hogy nagy nyelvi modelleket építsenek anélkül, hogy szükség lenne kódolásra. A Pienso alkalmazásai továbbfejlődtek a cyberbullying észlelése után és most már különböző területekre terjednek ki, beleértve a félrevezető információk, az embercsempészet és a fegyvereladások felismerését is.
A alapítók elismerték azon szakértők felhatalmazásának fontosságát, akik inkább csak az AI demokratizálására összpontosítanak. Együttműködtek a Cambridge-ben található iskolákból származó diákokkal, hogy képezzék a modelleket, amelyek finomabbak és pontosabbak lettek, mint bármit amit egyedül fejleszthettek volna ki.
A Pienso hatása túlnyúlik a közösségi média platformokon. Az alapítók kihasználták eszközüket a Covid-19 járvány korai szakaszában, segítve a virológiai és fertőző betegségek szakértőit abban, hogy elemezzék a koronavírusokról szóló kutatási cikkeket. Az elemzésből származó megállapítások segítettek megerősíteni az alapvető gyógyszerek kritikus ellátási láncát.
A Pienso alternatívát kínál azoknak az üzleti vállalkozásoknak, akik aggódnak az adományozott adatok és a magánélet miatt. Felhasználóbarát felületével a platform lehetővé teszi az adatok importálását, finomítását, elemzését és szerkezetbe állítását a mély tanulmányok előkészítése érdekében, mindenféle kódírás nélkül. A Pienso legújabb együttműködése a GraphCore céggel tovább javítja a képességeit, biztosítva egy gyorsabb és hatékonyabb számítási platformot a gépi tanulás számára.
Dinakar és Jones elképzelik a jövőt, ahol az eredményes AI modellek azok által lesznek kifejlesztve, akik a legjobban ismerik a megoldani kívánt problémákat. Hangsúlyozzák, hogy nincs olyan egyetlen modell, ami képes lenne minden igényt kielégíteni, és ezért egy együttműködésre van szükség, különféle modellek felhasználásával, amelyek a konkrét felhasználási esetekre vannak szabva.
Pienso útja példaképe a technológia erejének, amikor azok használják, akik a legjobban értenek az adatokhoz. Az adatszakértők felhatalmazásával a Pienso azon törekszik, hogy egy hatékony, felvilágosult és legfőképpen az emberek számára előnyös AI jövőt hozzon létre.
**GYIK**
K: Mire volt eredetileg létrehozva a Pienso?
V: A Pienso eredetileg egy eszköz volt a tartalmi moderációs csapatok számára a közösségi média platformokon, a hangsúllyal az aggasztó bejegyzések azonosítására és a cyberbullying elleni fellépésre.
K: Milyen problémába ütköztek a alapítók a Pienso fejlesztése során?
V: Az alapítók arra a problémára bukkantak, hogy a modelljük nem ismerte fel a tini szlengjét és a felhasználók által használt közvetett nyelvezetet, hangsúlyozva az adatszakértők bevonásának fontosságát az ilyen modellek kialakításában, nem csak a gépi tanulás mérnökeit.
K: Mit tehetnek a felhasználók a Piensoval most?
V: A felhasználók most már nagy nyelvi modelleket építhetnek anélkül, hogy szükség lenne kódolásra a Pienso segítségével. Az alkalmazásai kibővültek a félrevezető információk, az embercsempészet, a fegyvereladások és más területek felismerésére.
K: Hogyan együttműködtek a alapítók az ágazati szakértőkkel?
V: A alapítók együttműködtek a Cambridge, Massachusetts-ben található iskolákból származó diákokkal, hogy képezzék a modelleket, amelyek finomabbak és pontosabbak lettek, mint bármit amit egyedül fejleszthettek volna ki.
K: Hogyan használták ki a Pienso-t a Covid-19 járvány idején?
V: A Pienso-t felhasználták a virológiai és fertőző betegségek szakértői segítésére a Covid-19 járvány korai szakaszában. Segített elemzői a coronavírusról szóló kutatási cikkeket, amelyeknek az eredményeként megerősítették az alapvető gyógyszerek kritikus ellátási láncát.
K: Hogyan kezeli a Pienso adatajának adományozása és a magánélet miatti aggodalmakat?
V: A Pienso alternatívát kínál azoknak az üzleti vállalkozásoknak, akik aggodalmat éreznek adományozott adatok és magánélet miatt. Felhasználóbarát felületével lehetővé teszi az adatok importálását, finomítását, elemzését és szerkezetbe állítását a mély tanulmányok előkészítése érdekében, mindenféle kódírás nélkül.
K: Melyik friss partneri együttműködés erősítette a Pienso képességeit?
V: A Pienso legújabb partneri együttműködése a GraphCore céggel nyújtott egy gyorsabb és hatékonyabb számítási platformot a gépi tanulás számára.
K: Mi a alapítók víziója az AI modellek jövőjéről?
V: A alapítók egy olyan jövőt képzelnek el, ahol az eredményes AI modellek azok által lesznek kifejlesztve, akik a legjobban értenek a megoldani kívánt problémákat. Hangsúlyozzák a együttműködés szükségességét, különféle modellek felhasználását, amelyek a konkrét felhasználási esetekre vannak szabva.
**Fogalmak**
1. Cyberbullying: Az elektronikus kommunikáció felhasználása mások zaklatására, megfélemlítésére, általában a közösségi média platformokon vagy más online platformokon.
2. Gépi tanulás: Az a tanulmányterület, amely lehetővé teszi a számítógépek számára, hogy tanuljanak és fejlődjenek tapasztalatokból, anélkül, hogy kifejezetten programozva lennének. Algoritmusokat és statisztikai modelleket használ a számítógépek arra, hogy specifikus feladatokat végezzenek el anélkül, hogy kézzel megadott utasításokat kapnának.
3. Vírustudomány: Az a tudományterület, amely a vírusok és vírusos betegségek tanulmányozásával foglalkozik, ideértve a vírusok osztályozását, szerkezetét és viselkedését is.
4. Kód: Ebben a kontextusban a kód a specifikus programozási nyelven írt programozási utasításokra vonatkozik, amelyek szoftvert hoznak létre vagy specifikus feladatokat végeznek el.
Javasolt kapcsolódó linkek:
1. Pienso honlapja
2. GraphCore honlapja
The source of the article is from the blog radiohotmusic.it