Find data til træning og evaluering af AI
Sidens sprog: Dansk
Beskriv modelopgaven, det materiale, du har brug for, og den tilladte brug af det. sapien1 kan hjælpe med at identificere mulige kilder og afgrænse en stikprøve med kriterier for, om du skal gå videre. Beskriv dit projekt for sapien1
Find data, der passer til den opgave, dit AI-system skal udføre. sapien1 hjælper dig med at formulere behovet, finde mulige kilder og vurdere, om et datasæt egner sig til træning, evaluering eller informationssøgning.
Start med den adfærd, du vil forbedre. Det kan være at forstå et dokument, gennemføre en arbejdsgang, bruge et værktøj eller fortolke en scene. Det valg afgør, hvilke eksempler, hvilken kontekst og hvilke kvalitetskontroller dataene kræver.
Fastlæg, hvad dataene skal bruges til
Den samme samling kan tjene flere formål. Træningseksempler lærer systemet en adfærd. Evalueringseksempler afprøver den. Indhold til informationssøgning giver systemet oplysninger at slå op i, når det besvarer et spørgsmål.
Beskriv anvendelsen, før du sammenligner kilder. Et træningseksempel for en kundeserviceagent kan bestå af en henvendelse, den relevante regel og den handling, der blev udført. En evalueringsopgave kræver også en klar måde at vurdere, om beslutningen var korrekt. En samling til informationssøgning skal indeholde selve reglerne og tilstrækkelig kontekst til at afgøre, hvilken version der gælder.
Hvad skal med i en beskrivelse af databehovet?
| Krav | Hvad skal beskrives |
|---|---|
| Opgave | Hvad modellen eller agenten skal gøre, og hvor den har problemer i dag |
| Dækning | Relevante områder, sprog, regioner, tidsperioder og vanskelige tilfælde |
| Dataform | Dokumenter, kode, poster, lyd, billeder, video, spor fra værktøjsbrug eller en kombination |
| Kontekst | Mærkater, tidsstempler, relationer, anvisninger eller resultater, der er nødvendige for at forstå et eksempel |
| Anvendelse | Træning, evaluering eller informationssøgning, herunder hvordan dataene tilgås |
| Godkendelse | Hvad en brugbar stikprøve skal vise, før projektet udvides |
Den første beskrivelse må gerne have åbne punkter. En konkret opgave og nogle repræsentative eksempler giver normalt et bedre udgangspunkt end blot et mål for antallet af filer.
Vurder en stikprøve, før projektet udvides
En stikprøve kan afdække manglende kontekst, uens mærkning, dubletter og huller i dækningen af de situationer, du har brug for. Dit team kan også afprøve det foreslåede format i sin egen arbejdsgang. Se vores guide til køb af AI-træningsdata for et praktisk eksempel.
Registrér kilde og tilladt anvendelse sammen med den tekniske vurdering. Beskrivelsen af et datasæt bør gøre dets indhold og relevante begrænsninger tydelige. Hugging Faces vejledning om datasætkort kan bruges som dokumentationsreference.
For at se, hvordan en dataejer kan beskrive en samling og vurdere tilladelser, kan du læse hvad der skal forberedes, inden virksomhedens data licenseres.
Hvis du ejer en samling, du gerne vil drøfte, kan du beskrive dine data.
I et projekt med sapien1 fastlægger vi sammen omfanget af dataarbejdet, stikprøvegennemgangen, leverancerne og godkendelseskriterierne. Næste skridt kan være en målrettet indsamling, en vurdering af data, du allerede har, eller et sæt opgaver til evaluering af agenter.