글로벌 데이터 라벨링 기업 SnorkelAI, 첨단 데이터센터 AI 기능 출시

최근 SnorkelAI는 기업이 AI 및 기계 학습 모델의 전문화를 가속화할 수 있도록 지원하기 위해 AI 데이터 개발 플랫폼 Snorkel Flow에 일련의 새로운 기능을 출시했습니다. 이러한 새로운 기능은 예측 및 생성 AI 개발 수명주기에서 데이터 준비에 소요되는 시간, 비용 및 복잡성을 크게 줄일 수 있습니다.

사진 출처 참고: 사진은 AI에 의해 생성되었으며 사진은 서비스 제공업체 Midjourney의 승인을 받았습니다.

오늘날의 기업에서는 "AI 지원 데이터"(AI에 적합한 데이터)를 보유하는 것이 중요합니다. Gartner에 따르면 AI 지원 데이터는 데이터가 특정 사용 사례를 나타내야 한다는 것을 의미할 뿐만 아니라 AI 모델을 효과적으로 훈련하거나 실행하기 위해 모든 패턴, 오류, 변칙 및 예상치 못한 상황도 다루어야 합니다. 게다가 데이터 준비는 하룻밤 사이에 이루어지는 것이 아니라 지속적으로 이루어져야 합니다.

Snorkel Flow의 새 버전은 기업에 AI 데이터 개발 방식을 구현하고 확장하여 매우 정확하고 전문화된 AI 모델의 생산 제공을 가속화할 수 있는 강력한 플랫폼을 제공합니다.

특히, 새로운 기능에는 사용자가 특정 업계 사용 사례에 대한 맞춤형 평가를 수행하고, 모델 오류 유형에 대한 통찰력을 얻고, 데이터 개발에 신속하게 개입하여 문제를 해결할 수 있는 LLM 평가 도구가 포함됩니다. 또한 고급 문서 블록 처리, 임베딩 모델 미세 조정 및 문서 메타데이터 추출을 통해 검색 정확도를 향상시키는 RAG 조정 워크플로우가 있습니다. 이러한 기능을 사용하면 AI 보조 응답 품질을 향상하는 데 필요한 개발 시간을 크게 줄일 수 있습니다.

PDF 파일을 위한 새로운 NER(Named Entity Recognition) 기능을 사용하면 사용자는 단순히 텍스트를 클릭하고, 경계 상자를 그리고, 패턴을 지정하고, 기본 모델에 메시지를 표시함으로써 보다 쉽고 빠르게 정보를 추출할 수 있습니다. 이러한 유연성으로 인해 정보 캡처가 더 쉬워지고 NER 모델의 정확도가 향상됩니다.

또한 Snorkel Flow는 주석 및 피드백 프로세스를 단순화하여 전문가가 보다 효율적인 방식으로 데이터에 주석을 달 수 있도록 합니다. 또한 새로 추가된 서열 마커 분석 도구를 사용하면 사용자가 모델 예측의 오류를 보다 직관적으로 발견하는 동시에 보다 자세한 성능 분석을 제공할 수 있습니다.

사용자 경험 측면에서 Snorkel Flow는 데이터 과학자와 전문가 간의 협업을 보다 원활하게 만들기 위해 일련의 최적화를 수행했습니다. Databricks 및 Amazon SageMaker를 포함한 주요 AI 개발 플랫폼과의 원활한 통합을 지원하여 특수 모델을 더 빠르게 미세 조정하고 배포할 수 있습니다.

Snorkel AI의 CEO인 Alex Ratner는 다음과 같이 말했습니다. “AI는 모든 비즈니스 리더의 우선순위가 되었지만 지속적이고 일관된 AI 개발은 여전히 ​​매우 지루하고 비용이 많이 들고 노동 집약적입니다. 따라서 이러한 플랫폼에 대한 업데이트는 기업의 가속화를 돕는 데 중요합니다. AI 솔루션 제공을 최적화하는 것이 중요합니다.”

하이라이트:

새로운 기능: Snorkel Flow는 데이터 준비 효율성을 향상시키기 위해 LLM 평가 도구 및 RAG 튜닝 워크플로우를 출시합니다.

편리한 추출: 새로운 명명된 엔터티 인식을 통해 PDF에서 정보를 더 쉽고 빠르게 추출할 수 있습니다.

? 최적화된 경험: 데이터 과학자와 전문가 간의 효율적인 협업을 촉진하기 위해 사용자 경험이 개선되었습니다.