Есть ли решение узкого места в тренировке роботов? Стартап изобрёл устройство с датчиком электроэнцефалограммы, чтобы ИИ мог считывать «моменты ошибок» у людей
Главный узкий участок физического ИИ — не чипы или алгоритмы, а то, что обучающих данных попросту недостаточно. Калифорнийский стартап Encord пытается надеть на тренеров-роботов датчики ЭЭГ, чтобы активность мозга отмечала каждый ошибочный момент, «производя» из человеческих нейросигналов те качественные тренировочные данные, которых больше всего не хватает роботам.
(Предыстория: Meta черная магия: шлем считывает, что у вас в голове, точность текстов подскочила до 61%)
(Дополнительный контекст: чипы для сетчатки позволяют слепым снова видеть свет — Марсук заранее успел запустить продажи в Европе)
Оглавление
Toggle
От маркировщиков данных к производителям данных: насколько остра нехватка данных в физическом ИИ?
Что ЭЭГ может рассказать ИИ? Технология декодирования ЭЭГ нового стартапа из Германии Zander Labs
От ЭЭГ к тренировочным данным: непроверенная ставка новичка
В
(Предыстория: Meta черная магия: шлем считывает, что у вас в голове, точность текстов подскочила до 61%)
(Дополнительный контекст: чипы для сетчатки позволяют слепым снова видеть свет — Марсук заранее успел запустить продажи в Европе)
Оглавление
Toggle
От маркировщиков данных к производителям данных: насколько остра нехватка данных в физическом ИИ?
Что ЭЭГ может рассказать ИИ? Технология декодирования ЭЭГ нового стартапа из Германии Zander Labs
От ЭЭГ к тренировочным данным: непроверенная ставка новичка
В

