AI的训练过程能不能快一点。！
不，谷歌人工智能研究员，Keras之父Francois Chollet刚刚投资了一家加速自动标记的初创公司:
V7实验室.
这家公司专注于CV和对象的自动识别/分类等数据，以加快AI模型的训练。
V7 Labs表示，现在只需要100个人工标注，模型就能快速得到要做的具体任务。
由此，V7实验室完成了3300万美元的新融资，历史融资总额约3600万美元，目前估值2亿美元。
V7实验室是谁。
新融资3300万美元，自动化是V7实验室最吸引人的卖点。
据估计，在AI训练模型的过程中，一个人工团队大约有80%的时间用于管理训练数据:
标记数据，确定何时标记错误，重新考虑分类数据等...
V7实验室将这一过程称为程序化标记，并使用AGI和自己的算法来分割和标记图像。
同时，任何被标记为不清楚的内容将被退回人工审查。
将V7实验室开发的自动贴标技术与人工贴标相结合，有助于高效地完成工作，并相互检查。
该公司CEO表示，有了自己的平台，训练模型只需要100个人工标注。
根据消息显示，此轮融资将用于招聘更多工程师和扩大业务运营。
除了Keras的父亲本人，这一波投资人中还有其他ML和AI领域的老朋友。
比如DeepMind的首席科学家Oriol Vinyals，Elixir language的创始人Jose Valim，Adept AI的联合创始人Ashish Vaswani，以及一些来自Open AI，Twitter和亚马逊的匿名投资人。
现在让我们来了解一下这家成立于2018年的自动贴标公司吧~
V7实验室团队坚持的理念是:
训练模型的数据输入方式还处于低效阶段，完全可以改进。
因此，该公司的主要业务是开发AI模型训练所需的自动标记和其他数据分类技术，使视觉AI能够在最少的人工监督下不断从训练数据中学习。
为什么是视觉AI领域。
人的视觉皮层有六个公认的区域，即V1到V6。
初级视觉皮层V1使我们的大脑能够识别基本的形状，而后期视觉皮层提取颜色，形状和运动方面的复杂含义。
团队解释说，V7代表了为机器创造第7场的思想，让机器可以感知世界，能力可以超越人脑。
V7实验室目前专注于医学和科学。
使用V7 Labs作为训练AI模型的平台，可以通过机械臂帮助端到端的自动驾驶和分拣核废料，以及在扫描中识别早期癌症和其他疾病。
影像训练在扫描中检测肺炎。
至于你为什么选择将视觉人工智能的业务应用到医疗领域，该公司的首席执行官说:
我们决定专注于那些已经将基于人工智能的应用商业化的垂直领域，
或者那些大量视觉处理工作由人工完成的领域。
按照V7实验室的说法，医学就是这样一个市场，这种技术从未在内部开发过，但这种技术肯定会被使用。
目前，V7 Labs拥有300多家客户，包括GE医疗，派格艾，西门子等，以及其他世界500强企业和大型民营企业。
缩短人工智能模型设计和应用之间的时间
作为AI模型训练过程中举足轻重的环节，加快训练数据的处理速度越来越受到资本市场的追捧。
所以，除了V7实验室，还有很多初创公司致力于提高AI数据训练的效率，缩短AI模型设计和应用之间的时间。
比如2018年成立的SuperAnnotate，就是V7实验室的直接竞争对手他们还在研究如何尽快建立最高质量的训练数据
最新的消息是，SuperAnnotate也在不久前获得了第三笔1800万美元的融资。
目前，SuperAnnotate的客户超过200家，其中包括20%的财富20强和超过10，000名个人简历爱好者。
值得一提的是，南开大学计算机系主任程明明就在SuperAnnotate的顾问团队中。
他们的比较不准确！
此外，其他走在同一创业路上的公司还有原本专注于汽车行业的Scale AI，与谷歌等公司合作进行AI标签化的Labelbox，以及Apache Software Fund开发的Hive。
既然如此，就问一句:
加快处理训练数据的创业者，为什么不更努力地滚。
参考链接:
