Keras之父看好的自動標(biāo)注公司，獲3300萬美元新融資

衡宇 2022-11-29 13:06:20 來源：量子位

衡宇 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

AI模型的訓(xùn)練過程，能不能再快一點？！

這不，谷歌AI研究員、Keras之父Francois Chollet，剛剛就投資了一家加速自動標(biāo)注的創(chuàng)業(yè)公司：

V7 Labs。

這家公司關(guān)注的重點是CV和自動識別/分類對象及其他數(shù)據(jù)，來加快AI模型的訓(xùn)練速度。

V7 Labs表示，現(xiàn)在只需要100個人工標(biāo)注，模型就能快速get任務(wù)具體要干啥。

憑此，V7 Labs完成了3300萬美元新融資，歷史總?cè)谫Y額約3600萬美元，目前估值為2億美元。

誰是V7 Labs？

能獲得3300萬美元的新融資，自動化是V7 Labs最吸引投資人的賣點。

據(jù)估計，在AI訓(xùn)練模型過程中，一個人工團(tuán)隊約80%的時間都花在管理訓(xùn)練數(shù)據(jù)上：

標(biāo)記數(shù)據(jù)、分辨什么時候該標(biāo)記錯誤、重新思考分類數(shù)據(jù)等……

V7 Labs把這個過程稱為“程序化標(biāo)簽”，并使用AGI和自己的算法來分割和標(biāo)注圖像。

與此同時，任何標(biāo)記為不清楚的內(nèi)容都會返回人工審查。

將V7 Labs開發(fā)的自動標(biāo)注技術(shù)結(jié)合人工標(biāo)注，有助于高效完成工作，并起到互相檢查作用。

該公司的CEO表示，利用自家平臺，只需要100個人工標(biāo)注，就能訓(xùn)練好模型。

據(jù)了解，這輪融資將用來招聘更多工程師，并擴大業(yè)務(wù)運營。

除了Keras之父本人，這波投資者中還有其他ML和AI領(lǐng)域的老朋友們。

比如DeepMind首席科學(xué)家Oriol Vinyals、Elixir語言創(chuàng)造者Jose Valim、Adept AI的聯(lián)合創(chuàng)始人Ashish Vaswani（Transformer一作），以及一些來自O(shè)pen AI、Twitter和亞馬遜的匿名投資者。

現(xiàn)在來了解一下這家2018年創(chuàng)立的自動標(biāo)注公司～

V7 Labs團(tuán)隊秉承著這樣一個觀念：

訓(xùn)練模型的數(shù)據(jù)輸入方式還處于一個低效階段，完全可以改進(jìn)。

因此，公司的主要業(yè)務(wù)就是開發(fā)AI模型訓(xùn)練所需的自動標(biāo)記和其他數(shù)據(jù)分類技術(shù)，讓視覺AI在最少的人工監(jiān)督下從訓(xùn)練數(shù)據(jù)中持續(xù)學(xué)習(xí)。

為什么是視覺AI領(lǐng)域？

人類視覺皮層有6個公認(rèn)的區(qū)域，即V1到V6。

初級視覺皮層V1使我們的大腦能夠識別基本形狀，而之后的視覺皮層則提取顏色、形式和運動方面的復(fù)雜含義。

團(tuán)隊解釋道，V7代表著想為機器創(chuàng)造第7個領(lǐng)域，讓機器能夠感知世界，能力能夠超越人類大腦。

V7 Labs目前專注的領(lǐng)域是醫(yī)學(xué)和科學(xué)。

利用V7 Labs這個平臺訓(xùn)練AI模型，可以幫助端到端自動駕駛和通過機械臂分揀核廢料等工作，以及在掃描中識別早期癌癥和其他疾病問題。

△圖像訓(xùn)練在掃描中檢測肺炎

至于為什么選擇把視覺AI的業(yè)務(wù)應(yīng)用在醫(yī)學(xué)領(lǐng)域，該公司CEO表示：

我們決定專注的，是那些已經(jīng)將基于AI的應(yīng)用商業(yè)化的垂直領(lǐng)域，
或者那些大量視覺處理工作都由人工完成的領(lǐng)域。

在V7 Labs看來，醫(yī)學(xué)就是這么一個“從未在內(nèi)部開發(fā)過這種技術(shù)”，但“肯定會使用這項技術(shù)”的市場。

目前，V7 Labs有300多家客戶，其中包括通用電氣醫(yī)療、Paige AI和西門子，以及其他《財富》500強公司和規(guī)模很大的私營企業(yè)。

縮短AI模型設(shè)計和應(yīng)用之間的時間

作為訓(xùn)練AI模型過程中舉足輕重的環(huán)節(jié)，加速處理訓(xùn)練數(shù)據(jù)，越來越受到資本市場追逐。

因此，除了V7 Labs，還有很多初創(chuàng)公司涌現(xiàn)，致力于提高AI數(shù)據(jù)訓(xùn)練效率、縮短AI模型設(shè)計和應(yīng)用之間的時間。

比如同在2018年創(chuàng)立的SuperAnnotate，就是V7 Labs的直接競爭對手，他倆同樣在研究如何以最快的速度地構(gòu)建最高質(zhì)量的訓(xùn)練數(shù)據(jù)。

SuperAnnotate官網(wǎng)宣稱，自己的服務(wù)比普通AI標(biāo)注快3-5倍。

最新消息是，SuperAnnotate也在不久前獲得了1800萬美元的第三次融資。

目前，SuperAnnotate的客戶已經(jīng)有200多家公司，其中包括20%的《財富》20強，以及超過10000名個人CV愛好者。

值得一提的是，SuperAnnotate的公司顧問團(tuán)隊里，有南開大學(xué)計算機系主任程明明。

以及，雖然V7 Labs在官網(wǎng)上列出了與SuperAnnotate的服務(wù)對比情況，但后者CEO在接受采訪時，表達(dá)了從頭發(fā)絲到腳趾頭的拒絕：

他們的比較并不準(zhǔn)確！

此外，走在同樣創(chuàng)業(yè)路上的公司，還有最初專注于汽車行業(yè)的Scale AI（目前估值約70億美元），和谷歌等公司合作進(jìn)行AI標(biāo)簽的Labelbox，以及Apache 軟件基金開發(fā)的Hive（目前估值約20億美元）。

既然如此，就問一句：

加速處理訓(xùn)練數(shù)據(jù)的創(chuàng)業(yè)者們，不如卷得更猛烈一點吧？

（搓手手表示期待.gif）

參考鏈接：
[1]https://techcrunch.com/2022/11/28/v7-labs-computer-vision-ai/
[2]https://twitter.com/nathanbenaich/status/1597303560139833344