Labelbox筹集了4000万美元用于在AI模型开发中实现数据标记自动化

生产用于加速机器和深度学习应用程序中的培训数据标记的软件的Labelbox Inc.表示,该公司完成了4,000万美元的C轮融资,总融资额达到7,900万美元。该公司拒绝公布其估计估值。

Labelbox成立于2018年,致力于解决用于训练人工智能模型的耗时繁琐的标签数据工作。通常需要人类专家来识别,例如,放射扫描中的重物是癌症,还是图像中的船只是帆船,而不是远洋客轮。Labelbox的联合创始人兼首席执行官Manu Sharma说:“机器学习团队必须在数百万个数据点上做到这一点,并将其馈送到神经网络中。”

该公司提供的软件基础架构使AI团队可以快捷地创建适当的标签,并在众多人员中进行人工评估。Sharma说:“团队可以插入自己的AI模型并使其标签自动化,因此他们可以仅关注将要提高模型性能的数据点。”

该软件通过分析AI模型来工作,以指导数据科学家找到他们应该使用的标签,并预先标记数据以加快流程。数据科学家可以批量上传预先标记的资产,公司可以跨数据库和标记服务进行连接和协作,而不受时区或地理位置的影响。

Labelbox表示,其技术可以减少80%的人力。这很重要,因为从许多角度来看,仅标记过程就可以消耗多达80%的构建,培训和AI模型时间。

Tesla Motors Inc.的AI主管Andrej Karpathy在推文中写道:“低估和琐碎数据标记是一个常见错误 。

Grand View Research Inc.估计,到2028年,全球数据收集和标签市场每年将增长25%以上。

Labelbox计划将资金投资于产品开发,市场营销和销售。预计到今年年底,其员工人数将增加一倍,达到200人。“我们的目标是在Labelbox内实现全面的AI监管,” Sharma说。

本文为作者 何斌 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论