Visual Layer 幫助企業更有效管理海量的視覺資料集以構建 AI 模型，創投融資額達 $7M
概述
訓練計算機視覺使用案例的機器學習模型需要大量的影象，但這些影象往往被錯誤標記，損壞或重複，導致模型表現不佳。Visual Layer 是一家位於特拉維夫的初創企業，旨在讓資料科學家和機器學習工程師在這些問題影響其模型之前找到它們。Visual Layer 剛剛宣布籌集了 700 萬美元的種子融資，由 Madrona 和 Insight Partners 領導，該公司建立了一個無需依賴昂貴 GPU 的系統，可以分析數億個影象，並自動發現其中的潛在問題。
Visual Layer 的技術堆疊
Visual Layer 核心技術堆疊的一部分是開源專案 fastdup。該公司的聯合創始人 Danny Bickson（CEO）和 Amir Alush（CTO）基於他們在蘋果等公司的經驗開發了該專案，蘋果收購了他們共同創立的 AI 公司 Turi，Alush 則創立了 Brodmann17。Fastdup 可以幫助工程師在影象資料集中找到潛在問題，進行聚類和視覺化。在研究中，該團隊發現，流行的 ImageNet-21K 預訓練資料集包括超過 1400 萬個影象中的一百多萬對重複影象，並且大多數資料集也包含破損的影象或非常相似但標籤完全不同的影象。此外數千張圖片也常常被錯誤標記，從而用於訓練錯誤的模型，這樣會影響模型的品質。
Visual Layer 的使用者
Visual Layer 的早期使用者包括印度社交商務平臺 Meesho、John Deere、Honeywell、Winnow 和 Nuvilab 等公司。他們使用 fastdup 來提高產品相簿的質量，從而改進 AI 模型表現。不難發現，Visual Layer 本質上提供基於 fastdup 的服務，並新增了其他企業級功能。
哲學討論
對於當今的企業來說資料是最重要的資源之一，而視覺資料已經成為各行各業中最重要的資料型別之一。想象一下，如果影象資料集中有太多的錯誤標記、重複或損壞影象，那麼公司的決策和業務執行便會受到很大影響。Visual Layer 的出現使企業能夠更好地管理這些問題，提高 AI 模型的表現和準確性。
編輯見解
隨著人工智慧技術的快速發展，視覺資料和其他大型資料集的管理變得越來越重要。即使是最普通的影象資料集，也會包含海量的資料，以便訓練 AI 模型。Visual Layer 的技術為企業提供了一個強大的工具來處理這些大資料集。這必將有助於機器學習和人工智慧技術在更多行業和應用中的應用。然而我們也應意識到，當大公司擁有和掌控著大量資料時，我們必須保護個人的隱私權，並遏制公司濫用大資料的行為。
結論與建議
Visual Layer 的出現對於企業來說是一個好訊息，因為這將幫助企業更好地管理視覺資料和其他大型資料集，提高 AI 模型表現和準確性。然而我們不應忽略資料治理的重要性，保護個人隱私，並防止資料濫用。為此，企業應該與法律和政策制定者密切合作，制定更好的法律和監管框架，確保資料治理良好，所有人都能受益而不受損失。
