متخصصین آزمایش اپلاز ، راه حل هوش مصنوعی را ارائه داده اند که قول کمک به مقابله با تعصب الگوریتمی را می دهد
ضمن اینکه مقیاس داده های مورد نیاز برای آموزش قوی را فراهم می کند.
اپلازبه دلیل راه حل تست برنامه خود ، جامعه گسترده ای از آزمایشکنندگان را ایجاد کرده است
که به مارکهایی از جمله Google ، Uber ، PayPal و موارد دیگر اعتماد دارد.
این شرکت برای کمک به غلبه بر برخی از بزرگترین موانع پیش روی
توسعه هوش مصنوعی ، از این دارایی نسبتاً منحصر به فرد بهره می برد.
خبرگزاری هوش مصنوعی با کریستین سیمونی، معاون از محصولات در اپلاز صحبت کرد
، این مصاحبه در مورد راه حل جدید این شرکت برای این صنعت است
که قبل از سخنرانی اصلی معاون اپلاز در AI Expo America North America اواخر ماه جاری صورت گرفت.
سیمونی توضیح می دهد: “مشتریان ما برای پشتیبانی از پیشرفت های هوش مصنوعی ،
آموزش سیستم خود و سپس آزمایش عملکرد ، به ما در زمینه جمع آوری داده ها نیاز به پشتیبانی بیشتری دارند.”
اپلاز عمدتاً با شرکتهای موجود در فضای صوتی و حتی گسترش فزاینده آنها به مواردی مانند جمع آوری و برچسب زدن تصاویر و اجرای اسناد از طریق OCR کار کرده است.
این وسعت تجربه موجود در مناطقی که امروزه AI بیشتر از همه مورد استفاده قرار می گیرد ،
شرکت و آزمایش کنندگان آن را در موقعیت خوبی قرار می دهد تا بازخورد واقعاً مفیدی را در مورد مکانهایی که می توان از آن استفاده کرد ، ارائه دهد.
صدا: گفتار منبع را برای آموزش دستگاه های دارای صدای فعال و آزمایش آن دستگاه ها برای اطمینان از درک دقیق و پاسخ دادن به آنها.
OCR (تشخیص بهینه سازی کاراکتر): برای آموزش الگوریتم ها برای تشخیص متن ، اسناد و متن مربوطه تهیه کنید و اسناد چاپی و متن شناخته شده را برای دقت مقایسه کنید.
تشخیص تصویر: عکس هایی را که از اشیاء و مکان های از پیش تعریف شده گرفته شده است ، تهیه کنید و از شناسایی و شناسایی درست اشیاء اطمینان حاصل کنید.
بیومتریک: ورودی های بیومتریک مانند صورت و اثر انگشت را منبعی کنید ، و آزمایش کنید که آیا این ورودی ها به تجربه ای منجر می شوند که کاربرد آن آسان باشد و در واقع کار می کند
Chatbots: به نمونه سؤالات و اهداف مختلف برای پاسخ دادن به chatbots ، و در تعامل با chatbots برای اطمینان از درک و پاسخ دقیق آنها با روشی شبیه به انسان ، بدهید.
