В этом месяце компания ExlService Holdings Inc. завершила приобретение iMerit Technology, одного из лидеров в области обучения моделей искусственного интеллекта (AI), оценки и обучения с подкреплением. Это событие подчеркивает важность человеческой экспертизы и качественных данных в процессе создания эффективных AI-моделей, используемых в робототехнике и других высоких технологиях.

О компании EXL

ExlService Holdings Inc., основанная в 1999 году и расположенная в Нью-Йорке, предоставляет услуги и решения для различных отраслей, включая страхование, здравоохранение, банковское дело, розничную торговлю, коммуникации и медиа, а также энергетику и инфраструктуру. В компании работает около 68,000 сотрудников по всему миру.

О компании iMerit

iMerit, основанная в 2012 году и расположенная в Сан-Хосе, Калифорния, специализируется на аннотировании данных для робототехники, автономной мобильности, AI в здравоохранении и других высоких технологий. Компания утверждает, что ее эксперты и собственная платформа Ango Hub позволяют клиентам "сотрудничать над сложными мультимодальными данными для создания высококачественных и проверенных артефактов обучения для моделей с высокими ставками". Например, iMerit сотрудничает с Carbon Robotics для обработки миллионов изображений растений, необходимых для создания агрономической модели для роботизированного прополки.

Влияние приобретения iMerit на обучение и оценку моделей

Радха Рамасвами Басу, основатель и CEO iMerit, присоединилась к EXL в качестве исполнительного вице-президента и главы iMerit. В интервью они с Рохитом Капуром, председателем и CEO EXL, обсудили, как это приобретение изменит подход к обучению и оценке моделей. Капур отметил, что приобретение соединяет части жизненного цикла AI, которые ранее управлялись отдельно, создавая платформу end-to-end для предприятий. iMerit приносит экспертное обучение моделей, мультимодальную оценку, платформу Ango Hub и глобальную сеть экспертов, в то время как EXL предоставляет корпоративные данные, глубокий контекст отрасли и опыт интеграции технологий в бизнес-операции. Это объединение создает более непрерывный путь от подготовки данных до тонкой настройки модели и ее внедрения в рабочие процессы бизнеса.

Проблемы, с которыми сталкиваются строители AI-моделей

Басу указала на то, что модели становятся все более способными, но это также приводит к увеличению вероятности "галлюцинаций" и превышения пределов возможностей. Лаборатории, как и клиенты, начинают осознавать, что необходимо работать над концепцией доверия и последними этапами внедрения, чтобы добиться успеха в критически важных бизнес-процессах. Модель может хорошо работать на эталонных данных, но сталкиваться с трудностями в крайних случаях или в специализированных контекстах, таких как здравоохранение или финансы.

Применение в автономных транспортных средствах и робототехнике

Басу также подчеркнула, что успех AI в робототехнике и автономных системах зависит не столько от масштаба модели, сколько от качества данных. Физический AI должен интерпретировать шумные мультимодальные входные данные, принимать решения в реальном времени и действовать безопасно в непредсказуемых условиях. Человеческие эксперты играют критическую роль в создании высококачественных данных, построении реалистичных сценариев и оценке того, как транспортное средство или робот реагируют на различные ситуации.

Безопасность и соблюдение норм

Сейчас основным препятствием для внедрения AI является доверие, точность и валидация. Безопасность и соблюдение норм не могут рассматриваться как финальная проверка перед запуском; они должны быть встроены в процесс обработки данных, обучения и оценки. Экспертные данные и понимание домена могут быть преобразованы в паттерны взаимодействия, которые оценивают и контролируют AI-модели в критически важных приложениях.

Будущее AI-рынка

Капур прогнозирует, что конкурентное преимущество в области AI для предприятий не будет зависеть от какой-либо одной технологии. Оно будет достигаться путем объединения правильных слоев: собственных данных, контекста домена, оценки моделей, инженерии AI и управления. В течение следующих трех-пяти лет собственные данные предприятий станут одним из самых ценных активов. Компании будут стремиться к специализированным моделям, обученным на их собственных данных, и необходима будет постоянная оценка и обучение с подкреплением для поддержания точности и безопасности моделей. Таким образом, приобретение iMerit усиливает стратегию EXL и позволяет компании занять более центральное место в том, как строятся, управляются и внедряются AI-системы для достижения реальных бизнес-результатов.