启动将AI与人类救济功能组合起来帮助进行数据感

将数据转化为Insight是当今的最高经营挑战之一，当有问题的数据是非结构化的数据时，它变得特别棘手。人工智能有一个混合轨道记录在那里，但是一个年轻的创业公司旨在通过将人类带回图片来获得更好的结果。

Saffy5周三发布了一个新的平台，适用于人力洞察力和机器学习的组合，以帮助公司了解非结构化数据，包括图像，视频，社交媒体内容和短信。结果，它说，是“变化的洞察力，成本有效地交付了成本和规模。”

该公司的技术现已由Expedia和Getty Images（包括Expedia和Getty Images）使用，以丰富，清洁和标记非结构化数据。

“企业需要专门的人力见解来解决复杂的数据问题，”备乐者的创始人兼首席执行官表示，“马特·贝斯克说。“当正确的人类智能权力机器学习时，”有一个深刻的区别。“

SQUENT5通过众包平台轻拍人类专业知识。该公司可以致电全球社区超过40,000个主题专家，通过智能手机或桌面上的应用程序完成自定义微型任务。被称为“fives”这些人可以获得报酬，如速率帮助文章，等级照片，写图像标题和描述，或找到缺少的信息。

该过程始于一家公司使用Skey5签署并上传一组非结构化或不完整的数据。SQUENT5然后将作业转换为微型任务，写入自定义指令并为答案建立“金标准”。

为了完成工作，Sange5针对特定任务的特定诉讼组 - 例如，在30到40岁之间经常在线购物的女性。

接下来，机器学习算法过滤结果以获得精度，并确保维护质量。

最终结果是客户的先前非结构化数据被放入结构化格式并提供相关的见解，包括权重或置信区间。又可以使用结构化数据可以用于培训新的AI算法，完整数据集或改进推荐引擎。

例如，感知技术使AI驱动的购物助手并使用Scipt5来验证其AI生成的模型，其中包含人们如何在零售产品之间感知细微差异。

“机器学习的肮脏秘密是识别联系和相关性，但不能总是解释因果关系，理解背景或正确识别类似的信息，”企业战略集团的高级分析师Nik Rouda说。“这是人类仍然有优势的地方。”

Rouda补充说，非结构化数据可以特别细致，如最近的几个模型所示，例如奇瓦瓦斯和松饼的近乎相同的照片。甚至谷歌的技术偶然发现了一个大的方式，错误地将黑人标记为大猩猩。

“机器学习可能能够阅读一切，找到模糊的模式或罕见的条件人类会错过，但它也可以缺乏有价值的人类体验，”鲁达说。

通过混合两者，备乐可以挖掘两种方法中最好的。

“提高数据的准确性和完整性进入机器学习将改善模型，它将继续学习合适的协会，”罗德拉说。

备乐成立于2014年，备用5 000多万美元串联一幅奖金。