Index؛ دیتاست غولپیکر فیگر برای آموزش ربات
هوش مصنوعیخلاصهٔ کاملتر
فیگر میگه دادهای که برای ساختن یه ربات واقعاً همهکاره لازمه اصلاً تو اینترنت وجود نداره و باید از دل دنیای واقعی بیرون کشیده بشه. برای همین چهار ماه بهصورت مخفیانه یه اپ راه انداخته بود تا آدمهای عادی از کارهای فیزیکی روزمرهشون ویدیو بگیرن. حالا همون اپ با اسم Index روی Google Play و App Store اومده و شرکت اسمش رو بزرگترین دیتاست مفید آموزش ربات تو دنیا میذاره.
عددهایی که اعلام شده: ۲۶۴ هزار دانلود تو ۱۰۸ کشور، بالای ۴۴ هزار کاربر فعال هفتگی و بیشتر از ۱۶ میلیون ویدیوی آپلودشده. اپ هر ثانیه ۳۰ دقیقه ویدیو پردازش میکنه، یعنی هر روز معادل ۴.۹ سال کار انسانی بالا میره. تا امروز ۱۵ میلیون دلار به این کاربرها که فیگر بهشون Creator میگه پرداخت شده و برنامهٔ اعلامشده اینه که تو ۱۲ ماه آینده بالای یک میلیارد دلار صرف داده و compute بشه.
ارزش اصلی این داده تنوعشه. به ازای هر ۱۰۰۰ ساعت ویدیو، ۳۷۳ تسک متفاوت، ۱۱۴۶ شیء یکتا که دست بهشون خورده و ۱۱۶ محیط جدا توش هست. هر کاربر تازه یه خونه یا محل کار ندیده، وسایل ناآشنا و سبک شخصی خودش برای انجام یه کار رو وارد بازی میکنه؛ همون تنوع دمدراز که از قبل نمیشه فهرستش کرد. فیگر میگه اول سراغ خرید داده از فروشندهها رفته بود ولی هیچکدوم به سرعت، تنوع و کیفیت موردنیاز Helix (یعنی استک هوش مصنوعی خود فیگر که رباتها رو کنترل میکنه) نمیرسیدن.
برای هضم این حجم، خط لولهٔ پردازش پنج مرحله داره: فیلتر خودکار برای کیفیت فنی و تصویری و معنایی، بازبینی انسانی روی نمونهها برای کشف تقلب عمدی، حذف تکراریها با embedding کردن هر قطعه ویدیو و انداختن هرچی از یه آستانهٔ شباهت بالاتره، متعادلسازی با سهمیهٔ تسک و خوشهبندی، و آخرش تولید کپشن متنی سلسلهمراتبی برای هر اپیزود. یعنی زیرساخت داده عملاً مثل یه اپ مصرفی با دسترسپذیری ۲۴/۷ بازنویسی شده.
فیگر میگه Index داره زمینه رو برای سفارش ربات بهعنوان سرویس آماده میکنه؛ فعلاً یه آدم میآد خونه یا کسبوکارت کار میکنه، بعداً قراره ربات همهشو انجام بده. یه نکته هم هست: نتایج تعمیمپذیری که شرکت ازش حرف میزنه هنوز داخلیه و جزئیاتش منتشر نشده، پس فعلاً در حد ادعاست نه شواهد عمومی.
نکات کلیدی:
- Index از امروز روی Google Play و App Store در دسترسه و ۴ ماه تو حالت stealth تست شده بود
- ۲۶۴ هزار دانلود تو ۱۰۸ کشور، ۴۴ هزار کاربر فعال هفتگی و بیش از ۱۶ میلیون ویدیو
- هر ثانیه ۳۰ دقیقه ویدیو پردازش میشه، معادل ۴.۹ سال کار انسانی در روز
- به ازای هر ۱۰۰۰ ساعت: ۳۷۳ تسک، ۱۱۴۶ شیء یکتا و ۱۱۶ محیط متفاوت
- ۱۵ میلیون دلار تا الان به Creatorها پرداخت شده؛ تعهد بیش از ۱ میلیارد دلار برای داده و compute تو ۱۲ ماه آینده
- خط لولهٔ داده پنج مرحلهست: فیلتر، بررسی تقلب، حذف تکراری، متعادلسازی و کپشنگذاری
