Skip to main content

以無程式碼平台建立 ML 模型

電腦視覺, 物件辨識

我們想到物聯網 (IoT) 時,牲畜通常不會浮現腦海。同樣地,草莓、魚類、醫療病患或揮發性氣體外洩通常也不在我們的考量範圍。不過 AI 型電腦視覺與邊緣運算日新月異,「牛聯網」這類解決方案因而得以問世,並且催生了真正的商業效益。自動化管理讓蛋白質生產商能即時監控牲畜健康與牲畜所在位置,進而防止疾病蔓延、減輕損失,並且讓繁殖與分娩實務更臻完善。

然而,在「牛網路」或任何值得一試的機器學習專案整合人工智慧物聯網、電腦視覺 (CV) 和機器學習 (ML) 工具,可能頗有難度。

視訊管理系統一般會連接攝影機收集資料,然後 ML 工程師與資料科學家會用這些資料建立模型。另外,其他一套工具會裁剪視訊畫面、標記與訓練資料集、部署模型及監測模型的準確度。再來,必須先克服建立高品質資料集的難度。

Sixgill, LLC 這個人工智慧物聯網平台的 ML 生命週期管理供應商,降低了這項工作的難度。「物聯網開發人員真正需要的是可輕鬆部署、管理與調整的工具,不需要事前投入數個月開發的工具,」Sixgill 產品長 Elizabeth Spears 表示。至今,這類工具仍未問世。

機器學習不必如此費力

Sixgill 發現目前的 ML 工具難以在各團隊與企業中使用及實作時,他們就知道問題的主要癥結在於優質的資料。請試想清點牛的使用案例。

只要牛的樣貌與行為和用來訓練模型的影像一樣,模型應該就能順利運作。然而,如果拍攝影像的時間是夏天,那麼下雪時會怎麼樣呢?或者,如果牛向後退而非前進又會如何呢?除非可以快速重新訓練模型,教它辨識所有不同狀態下的牛隻,否則模型將開始失靈。

建立涵蓋這類例外情況的高品質資料集,過程可能單調又乏味。資料科學家或 ML 工程師的任務通常是標記影像,或者這項工作也可以外包。但是這兩種方法都成效不彰,而且所費不眥。舉例來說,相較於要他們建立即時視訊串流,並且派資料標記人員將它自動化,他們其實大可在更重要的地方發揮長才。

那麼何不直接將標記工具交給 SME?Spears 表示:「若是讓不具技術專業的 SME 輕鬆方便就能準備資料,他們就能提供清楚明瞭的範例,全面提高專案的準確度。」此外,異常偵測這類功能可讓新傳入的資料自動觸發「您是否要標記這份資料?」的提示,讓資料整理更簡單。

Sixgill 認為有可能開發精簡的工具,協助工程師、資料科學家或物聯網開發人員等各類使用者,迅速從頭打造功能完整的 ML 模型。因此,該公司建置了 Sixgill Sense 平台,整合影像型 ML 生命週期中的每個步驟。

自動物件辨識的威力

Sixgill 牲畜管理的客戶,最初是為了更準確清點牲畜而研究 AI。雖然手動流程每年損失的收益逼近 9000 萬美元之譜,但是某大雲端供應商專門為此打造的 ML 解決方案也差不多,即使上路一年後也是未見起色。

然而,Sixgill 接手這項專案時,三週內就將模型訓練到準確度達 99.7%,估計每年為客戶節省 5200 萬美元。該平台透過以下方式實現了這樣的成果:

  • 監測:利用影像標記從攝影機與其他感測器裝置收集資料,並且將資料正規化,獲得高品質的訓練資料集。
  • 清點:部署針對環境與情況訓練的 ML 模型,自動偵測、追蹤以及清點牲畜。
  • 效能標竿評測:透過線上學習的計量指標效能標竿評測,將 ML 模型效能監測自動化。
  • 分析:透過集中式儀表板,將計數與預測傳送到雲端,進一步分析與顯示。

無程式碼平台

Sense 有效取代了好幾道效率不彰的流程。例如,維護模型的準確度必須持續進行實驗,有了 Sense 則無須將資料從物聯網裝置移轉至單獨的標記工具,因為資料早已放置在需要的地方,大幅節省了時間。Spears 表示:「所有資料與模型集中管理,很快就能逐一查看。」

Sense 充分運用邊緣裝置的力量,以及 Intel® 加速的 ML 功能。另外,這個平台利用符合資料科學家、SME 與企業使用者需求的視覺 UX,讓共同合作變得易如反掌。這樣一來,以往過為複雜且耗時的工作大為簡化,輕點幾下滑鼠就能完成,模型也能快速訓練及測試。

Spears 表示:「透過這個平台,任何人都能用視訊建立無程式碼的端點對端點 ML 模型。」「這個平台對企業使用者來說夠簡單,對於 ML 工程師而言功能夠強大。」此外,Sixgill 定期舉辦活動、提供指導教學,能夠就電腦視覺與標記提供量身打造的訓練計畫,為物聯網開發人員提供成功所需的一切要素。

「牛網路」這個例子,清楚說明了以終端使用者為導向設計的工具價值何在。不過,這類例子不勝枚舉。製造、零售、生命科學等產業的企業若善用 AI、ML 與強大的邊緣運算,很有機會能提高收益並降低開支。

作者簡介

Erica Stevens has been writing about about technology and finance for 15 years, first at Bank of America Merrill Lynch and then for a mix of trade magazines and tech companies. But her writing career began at the University of Toronto, where she got her master’s degree in cognitive psychology and first learned to write about complex, technical topics. A fiction-lover and frustrated psychologist, Erica delights in talking to passionate business people about how they’re changing the world—and in sharing their ideas via compelling journalism.

Profile Photo of Erica Stevens