Spare5根據實踐經驗進行數據分析
大小：0.5 MB 人氣： 2017-10-11 需要積分：2
?對數據的洞察力是當下很多業務面臨的挑戰，加上數據通常是無組織的，分析起來更加棘手。人工智能在這條路上已經有所成就，但是一家年輕的創業公司希望通過將人類帶回原始的方法，以獲得更好的效果。
Spare5周三發布了一個新的平臺，將人類的理解和人工智能結合起來，幫助公司分析無組織的數據，包括圖片，視頻，社交媒體的內容，文本信息等。結果顯示，效果非常好。
這項級數目前被用于Expedia和Getty Images來完善和整理數據的信息。
“這些業務需要人類特殊的洞察力來解決復雜的數據問題，”Spare5的創始人和CEO Matt Bencke說，“當人工的智慧與機器學習結合的時候，將會有無限可能。”
Spare5通過眾包平臺來最大發揮人力。這個公司可以使用全球超過40，000個不同學科的專家，讓他們通過app或者桌面客戶端來完成客戶的需求。人們可以通過給文章打分，標注圖片，填寫描述，加標簽的這些微工作獲得報酬。
當公司需要分析數據的時候，將無組織或者不完整的數據上傳給Spare5，然后Spare5將工作分成若干微工作，附上客戶的要求，制定工資標準，然后發布工作。
為了信息的準確，Spare5將用戶分成不同的組——比如30到40歲的婦女等。
然后，使用機器學習算法過濾結果，確保準確性和質量。
最后的結果是，用戶之前無組織的數據被重新整理成規整的格式，并附上人工處理的信息，還有對信息的重要性或標注的自信程度等。之后，這些數據可以被用于訓練人工智能算法，完善數據集喝或者提高推薦引擎。
有覺察能力的級數，比如，人工智能驅動的機器客服，可以使用Spare5來檢驗AI模型是否合格。
企業策略組的分析師Nik Rouda說，“機器學習的缺點在于，他們最多得到數據之間的聯系，但是不知道其中真正的原因，這是人類的優勢。”
Rouda補充道，沒有組織的數據差別細微，比如，他們甚至不能識別出吉娃娃狗和蛋糕，甚至Google的技術都會把黑人錯誤地識別為黑猩猩。
“機器學習可能辦事仔細，不犯人類可能犯的錯誤，但是人類的經驗也尤為可貴。”Rouda說。但是Spare5可以很好地結合兩者。
“提高數據的準確性和完整性可以優化模型，這樣機器學習才會更有效。”
Spare在2014年成立，去年八月已經有一千萬美金的基金。
原文：Startup combines AI with human savvy to help make sense of data（譯者/賴信濤 責編/孫思）
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%