Эта статья изначально была опубликована в блоге Encord, который вы можете прочитать здесь.

Как ИИ может помочь решить реальные операционные проблемы для предприятий и их сотрудников на местах?

Именно этот вопрос побудил Шарлотту Бакс создать Captur.

Компания Captur, основанная в 2020 году, использует компьютерное зрение для захвата изображений и обнаружения повреждений физических активов. За последние два года Captur работала с крупными мировыми игроками в области микромобильности и доставки «последней мили», включая Tier, Zapp и Buzzbike, помогая этим компаниям получать доступ к данным об их операциях в режиме реального времени.

Как и у большинства основателей стартапов, у Бакса много шляп. Каждый день она несет ответственность за принятие разнообразных решений. Однажды, в начале 2021 года, Бакс принял решение использовать Encord для создания инфраструктуры конвейера данных Captur.

«Когда вы запускаете стартап, все, что является ключевым для вашего продукта, вы создаете. В любом случае, когда есть возможность, вы покупаете инструменты, чтобы двигаться быстрее», — говорит Бакс. «Машинное обучение является основой нашей технологии, но причина покупки Encord заключалась в том, что это может помочь нам улучшить качество данных, поступающих в наши модели, и это поможет нам значительно ускорить выход на рынок».

‍Недавно мы встретились с Бакс, чтобы узнать больше о возможностях компьютерного зрения для оценки состояния удаленных активов, ее опыте использования Encord и ее миссии по внедрению прикладного ИИ в отрасли с длинным хвостом, такие как операции.‍

Следующее интервью было отредактировано для ясности и длины.‍

Encord: Не могли бы вы немного рассказать о проблеме, которую Captur пытается решить?

Шарлотта Бакс. Проблема, которую мы пытаемся решить, заключается в том, как компании могут удаленно отслеживать активы и решать проблемы? В конечном итоге масштабирование логистики становится проще и эффективнее.

Большинству людей знаком опыт аренды автомобиля. Прежде чем покинуть парковку, вы обходите автомобиль с представителем компании по аренде автомобилей. Вместе вы отмечаете любые видимые признаки повреждения. Этот осмотр обычно длится всего несколько минут. Но что произойдет, если что-то не будет поймано ни одной из сторон? Кто знает, была ли царапина на двери со стороны пассажира до того, как водитель арендовал машину? Это проигрышная ситуация для обеих сторон. Компьютерное зрение может помочь компаниям и пользователям отслеживать этот тип повреждений, устраняя вероятность человеческой ошибки.

Этот пример — лишь верхушка айсберга. Недвижимость, транспортные средства, строительное оборудование — существует множество различных сфер, которые могут извлечь выгоду из компьютерного зрения, предоставляющего оперативную информацию о физических активах в режиме реального времени. По мере роста бизнес-модели «по требованию» все больше и больше компаний будут обращаться к технологиям компьютерного зрения, потому что предприятиям «по требованию» — тем, где клиенты арендуют товары по требованию — нужны новые операционные инструменты, которые могут позволить им эффективно масштабировать операции. управлять арендованными и общими физическими предметами.

Вы можете удивиться, узнав, что большинство компаний с физическими операциями по-прежнему полагаются на составленные вручную электронные таблицы для отслеживания активов. Этот метод чреват ошибками и спорами. Кроме того, электронные таблицы не предоставляют никаких данных в режиме реального времени или информации об операциях, поэтому компании не имеют доступа к данным, необходимым для разработки основных показателей для принятия решений о своем бизнесе. Компьютерное зрение может не только помочь компаниям удаленно отслеживать состояние своих активов, но и предоставить им данные, необходимые для автоматизации принятия решений на переднем крае с использованием ИИ.‍

Encord. Давайте поговорим о некоторых клиентах Captur и о том, как они используют эту технологию.

Бакс: мы много работаем с компаниями, занимающимися микромобильностью, такими как электронные скутеры и электронные велосипеды. Мы начинаем переходить к некоторым другим классам активов, таким как более крупные транспортные средства, такие как фургоны и грузовые велосипеды, и в конечном итоге мы стремимся предлагать наши услуги для любого мобильного актива.

Наш продукт — это прежде всего API, поэтому для клиентов B2B мы встроены в их приложения. Например, с электронными скутерами водители фотографируют самокат в конце поездки и загружают эти изображения в приложение компании.

Наша технология автоматически проверяет эти фотографии, и, в конечном счете, модели Captur предоставляют результат в виде предлагаемого действия на основе этой визуальной информации. Например, «Да, это хорошая парковка» или «Нет, это плохая парковка». «Да, скутер в хорошем состоянии» или «нет, он был поврежден». Цель состоит в том, чтобы предоставить конечному пользователю обратную связь в режиме реального времени на своем устройстве и мгновенно предотвратить проблемы с безопасностью.‍

Encord. Насколько ценны наборы данных и обучающие данные для будущего вашего бизнеса?

Бакс: Невероятно ценный. Наш бизнес-подход всегда был ориентирован на данные, что позволяет нам строить модели прозрачным и совместным образом. Думайте об этом как о создании персонализированного машинного обучения для компаний. Мы создаем очень специализированные наборы данных — определенные типы активов, которые имеют определенные типы проблем, повреждений и условий. Эти варианты использования очень специфичны. Мы можем сделать это масштабируемым образом для нескольких разных клиентов, потому что у нас есть надежный процесс проверки данных и конвейер, который имеет решающее значение как для построения моделей, так и для обеспечения прозрачности и уверенности наших клиентов.

Encord: Почему и как вы используете Encord?

Бакс:Когда мы столкнулись с Encord, мы думали о том, как мы собираемся масштабировать наш конвейер аннотирования данных и обеспечение качества данных. Мы хотели проверять подмножества решений наших моделей в любой момент времени, чтобы оценить их эффективность.

Это то, на что мы могли бы потратить целых девять месяцев в одиночестве, но нам очень понравилось то, что мог сделать Encord. По сути, мы построили критически важную часть нашей собственной трубопроводной инфраструктуры в тандеме с ними. Их команда была для нас настоящими партнерами по разработке продуктов.

Мы используем Encord как часть нашего процесса обучения и оценки. Как аннотирование новых наборов данных, так и оценка результатов живых моделей. Мы используем обратную связь от экспертов, чтобы как можно быстрее улучшить производительность модели.

Вначале мы использовали несколько различных инструментов с открытым исходным кодом для аннотирования изображений для обучающих моделей, но как только мы получили масштаб, выходящий за рамки исследовательских проектов и действительно нуждающийся в готовой к производству системе, мы перешли к использованию Encord, потому что дополнительные функции в Платформа — например, надежная система контроля качества и метод измерения доверительных показателей того, насколько этикетировщики согласны — были идеальными для масштабирования.

Нам нужна была платформа, поддерживающая различные типы маркировки, потому что у нас разные задачи машинного обучения. Наша цель — диагностировать состояние объекта, для чего требуется несколько шагов, включающих обнаружение отдельных проблем, например: повреждение рамы скутера и состояние места, где что-то размещено, например, место, где скутер припаркован.

У нас есть шесть человек, которые ежедневно активно работают над Encord, и команда Encord была отличным партнером, помогая нам не только решать проблемы с маркировкой в ​​​​платформе, но и помогая нам думать о том, какое место эта платформа занимает в более крупной инфраструктуре, которую мы создаем. .

В целом, подход Encord к автоматизации маркировки данных и управлению обучающими данными действительно согласуется с нашей миссией по внедрению компьютерного зрения в такие отрасли, как операционная деятельность. Многие отрасли просто не смогли воспользоваться преимуществами автоматизации искусственного интеллекта или компьютерного зрения, потому что не существует набора данных или инструментов, которые позволяют им это делать. Encord — это действительно начало инструмента, который позволит множеству стартапов, таких как мы, которые сосредоточены на внедрении прикладного ИИ во все отрасли, а не только в здравоохранение и автономные транспортные средства.

Команды машинного обучения и обработки данных любого размера используют приложения Encord для совместной работы, функции автоматизации и API-интерфейсы для создания моделей, аннотирования, управления и оценки своих наборов данных. Загляните к нам здесь.‍