MIT Media Lab выпускники Картик Динакар и Бираго Джонс начали учебный проект в 2010 году, чтобы создать инструмент для команд модерации контента на социальных медиа-платформах. Их проект, который в конечном итоге стал Pienso, нацеливался на выявление тревожных постов и борьбу с кибербуллингом. Однако они столкнулись с серьезным препятствием, когда их модель не смогла распознать подростковый сленг и косвенные выражения, используемые пользователями. Этот опыт побудил к важному осознанию — в построении таких моделей должны быть замешаны эксперты по данным, а не только инженеры машинного обучения.
Это осознание привело Динакара и Джонса к разработке инструментов с точечным и щелчковым интерфейсом, который позволяет неспециалистам создавать модели машинного обучения. Pienso теперь позволяет пользователям создавать крупные языковые модели без необходимости какого-либо кодирования. Применения Pienso сейчас вышли за пределы выявления кибербуллинга и теперь охватывают различные области, включая выявление дезинформации, торговлю людьми и продажи оружия.
Основатели признали важность предоставления возможностей доменным экспертам, а не просто демократизацию ИИ. Они сотрудничали со студентами близлежащих школ в Кембридже, Массачусетс, для обучения своих моделей, которые оказались более тонкими и точными, чем все, что они могли бы разработать в одиночку.
Влияние Pienso простирается за пределы социальных медиа-платформ. Основатели использовали свой инструмент в начальных стадиях пандемии Covid-19, помогая экспертам в вирусологии и инфекционных болезнях анализировать научные статьи о коронавирусах. Полученные уроки из этого анализа помогли правительству укрепить критические цепочки поставок важных препаратов.
Pienso предлагает альтернативу компаниям, беспокоящимся о пожертвовании данных и конфиденциальности. Благодаря удобному интерфейсу платформы пользователи могут импортировать, улучшать, анализировать и структурировать данные для глубокого обучения, не пиша ни одной строки кода. Недавнее партнерство Pienso с GraphCore дополнительно улучшает его возможности, предоставляя быструю и эффективную вычислительную платформу для машинного обучения.
Динакар и Джонс представляют себе будущее, где эффективные модели искусственного интеллекта разрабатываются теми, кто лучше всего знает проблемы, которые они стремятся решить. Они подчеркивают, что ни одна единственная модель не способна удовлетворить все потребности, и поэтому необходим коллаборативный подход, использующий разнообразие моделей, адаптированных к конкретным случаям использования.
Путь Pienso примеряет силу технологий, когда их используют те, кто лучше всего понимает данные. Повышая компетентность специалистов по данным, Pienso стремится создать будущее искусственного интеллекта, которое эффективно, информативно и, что самое важное, благоприятно для человечества.
**Часто задаваемые вопросы**
Q: Для чего изначально был создан Pienso?
A: Pienso изначально был создан как инструмент для команд модерации контента на социальных медиа-платформах с упором на выявление тревожных постов и борьбу с кибербуллингом.
Q: С какой проблемой столкнулись основатели во время разработки Pienso?
A: Основатели столкнулись с проблемой, когда их модель не смогла распознать подростковый сленг и косвенные выражения, используемые пользователями, что подчеркнуло необходимость привлечения к построению этих моделей экспертов по данным, а не только инженеров машинного обучения.
Q: Что могут делать пользователи сейчас с Pienso?
A: Пользователи теперь могут создавать крупные языковые модели без какого-либо кодирования с помощью Pienso. Его применения расширились и включают выявление дезинформации, торговлю людьми, продажи оружия и другое.
Q: Как основатели сотрудничали с доменными экспертами?
A: Основатели сотрудничали со студентами из близлежащих школ в Кембридже, Массачусетс, для обучения своих моделей, что привело к более тонким и точным моделям, чем то, что они могли бы разработать в одиночку.
Q: Как использовался Pienso во время пандемии Covid-19?
A: Pienso использовался для помощи экспертам в вирусологии и инфекционных болезнях в начальных стадиях пандемии Covid-19. Он помогал анализировать научные статьи о коронавирусах, предоставляя уроки, которые помогли укрепить критические цепочки поставок важных препаратов.
Q: Как Pienso решает проблемы с пожертвованием данных и конфиденциальностью?
A: Pienso предлагает альтернативу компаниям, беспокоящимся о пожертвовании данных и конфиденциальности. Его удобный пользовательский интерфейс позволяет импортировать, улучшать, анализировать и структурировать данные для глубокого обучения без написания какого-либо кода.
Q: Какое недавнее партнерство улучшило возможности Pienso?
A: Недавнее партнерство Pienso с GraphCore предоставило более быструю и эффективную вычислительную платформу для машинного обучения.
Q: Каковы видение основателей для будущего моделей искусственного интеллекта?
A: Основатели представляют себе будущее, где эффективные модели искусственного интеллекта разрабатываются людьми, которые лучше всего знакомы с проблемами, которые они стремятся решить. Они подчеркивают необходимость коллаборативного подхода, использующего разнообразие моделей, адаптированных к конкретным случаям использования.
The source of the article is from the blog trebujena.net