Datasaur 宣布可以從標籤資料自動建立模型
背景
在 ChatGPT 和生成式人工智慧(AI)引起關注之前,像 Datasaur 這樣的公司一直在處理構建機器學習模型的細節,幫助標記訓練模型所需的資料。隨著 AI 的迅速發展,這種能力變得更加重要。為了使更多公司能夠在沒有資料科學專家的情況下進行模型構建,Datasaur 宣布具有從標籤資料直接建立模型的功能,使非技術廣大使用者能夠輕鬆進行模型建立。該公司還宣布了一輪 400 萬美元的種子融資擴充套件,該融資於去年 12 月結束。公司創始人 Ivan Lee 表示人工智慧的最近突飛猛進對公司來說是一個很好的機遇,並且與該新創公司的戰略相結合。Lee 告訴 TechCrunch:"我的夢想一直以來都是使人工智慧(特別是自然語言處理)民主化,並且這一功能讓團隊不需要資料科學家或工程師,只需對資料進行標記,就能自動為他們訓練一個模型。" Lee 認為這是一種超越資料科學家最初目標市場的方法,他解釋道:"現在我們將開放給施工公司、律師事務所、銷售公司等可能沒有資料工程背景的人,讓他們能夠基於自己的訓練資料構建自然語言處理(NLP)模型。" Datasaur 的理念是要讓更多公司都能夠利用 AI 技術,即使他們沒有專業背景知識。迎合市場需求
隨著人們對語言模型的興趣不斷增長,特別是語言模型的普及,AI 在商業領域的應用也越來越受到關注。然而 Lee 表示大多數公司仍然停留在探索階段,他們仍然需要像 Datasaur 這樣的產品來構建模型。這種自動模型構建功能為那些沒有資料科學專家、沒有工程師的團隊帶來了巨大的好處。Lee 非常看好這個功能,他說:"這個功能讓非技術性的使用者能夠根據他們自己的需求標記和標籤資料,然後自動為他們訓練一個模型。"對於那些沒有專業背景知識的公司,這將使他們能夠利用 AI 技術,構建 NLP 模型等。民主化 AI
Lee 的目標之一始終是使人工智慧民主化,尤其是在自然語言處理方面。他表示自動模型構建功能將使更多公司能夠進入 AI 領域,即使他們沒有相關專業知識。而且由於 Lee 以高效運營公司為傲,他能夠控制風險,並約束公司的風險投資。該公司的工程團隊主要在印尼,雖然 Lee 計劃擴大招聘,但他對高效運營公司感到自豪。他認為每一次招聘都會對業務產生影響,並著重在業務執行的效率上。“我的理念一直是持有盈利,以可擴充套件的方式發展,永遠不以任何代價增長,” Lee 表示。透過遠端跨文化的工作團隊,員工可以相互學習,這本質上為公司帶來多樣性。“美國的工作文化與印尼的執行方式之間存在著顯著的差異。因此我們必須刻意獲取這兩個世界的最佳部分。” Lee 表示。這可能意味著鼓勵印尼同事發表他們的想法或對管理者的意見提出異議,這是他們文化上不太願意做的事情。“我們一直在主動鼓勵這一點。”他說道。但他也表示美國員工也可以從亞洲的工作方式中學到許多東西,比如尊重同事和把團隊放在首位的文化,而他必須幫助團隊應對這些文化差異。種子融資
這輪 400 萬美元的投資由 Initialized Capital 主導,HNVR、Gold House Ventures 和 TenOneTen 等公司參與。該公司共籌集了 790 萬美元的資金。評論與建議
自從 AI 開始迅速發展以來,它已經在許多行業中展示了巨大的潛力。儘管如此許多企業仍然對於如何在其業務中有效應用 AI 感到迷茫。Datasaur 的自動模型構建功能為非技術性的使用者開啟了一扇大門,使他們能夠輕鬆地從標籤資料中構建自己的 AI 模型。這種功能的引進將使更多企業能夠利用 AI 技術,無論他們是否具備資料科學背景。
然而面臨的挑戰是如何將 AI 民主化,讓更多的人能夠參與其中。根據 Lee 的說法,自動模型構建功能使得構建 AI 模型成為可能,即使在沒有資料科學專家的情況下。這將為那些在 AI 領域尚未涉足的公司提供機會,從而推動 AI 的進一步應用和創新。
然而當我們努力推動 AI 的應用時,我們也必須考慮到文化和價值觀的多樣性。正如 Lee 所言,在團隊成員來自不同背景的情況下,他們可以相互學習,從而為公司帶來更多的創新和靈感。然而文化差異也可能帶來溝通和理解的困難。因此企業需要在跨文化團隊合作方面給予支援和指導,以確保不同背景的員工可以真正融入團隊並發揮他們的最佳能力。
最後這輪 400 萬美元的種子融資為 Datasaur 的發展提供了資金支援。這表明投資者對於 AI 模型構建以及 AI 在業務應用中的潛力充滿信心。然而隨著 AI 領域的競爭日趨激烈,Datasaur 需要在技術創新、市場開拓和產品不斷改進方面保持領先優勢,以保持其領先地位。