Ca să clasifice mesaje sau să găsească câmpuri într-o factură, un model are nevoie de sute sau mii de exemple marcate corect.
Datele le aveți. Exemplele, nu.
Un model supravegheat nu învață din date, ci din date marcate. Iar marcatul e mai greu decât pare.
Fără reguli scrise, fiecare decide cazurile grele după cum simte. Modelul învață exact nehotărârea asta.
Platformele externe de etichetare cer să le trimiți datele. Pentru mesaje de clienți sau contracte, e greu de acceptat.
Etichetează tu
Cinci mesaje de la clienții unui magazin online și patru etichete. Alege eticheta care ți se pare corectă, apoi vezi ce spune ghidul.
Mesajul 1 din 5
„Am plătit cu cardul acum trei zile și comanda tot nu a plecat din depozit.”
0 din 5
De ce contează
Dacă tu și ghidul nu ați fost mereu de acord, nu ai greșit. Ai etichetat fără reguli, ca oricine nou în echipă. Pe mii de exemple, astfel de diferențe devin zgomot, iar modelul învață o regulă amestecată.
- Ghid scris cu cazurile de la graniță, nu doar cu cele evidente.
- Dublă etichetare pe o parte din exemple, ca dezacordurile să iasă la iveală.
- Acord măsurat, ca să știm cât de mult ne putem baza pe etichete.
Ce etichetăm
Schema se alege după ce trebuie să învețe modelul. Câteva dintre formele pe care le lucrăm cel mai des.
O categorie pentru fiecare mesaj, tichet sau document.
Numere de factură, sume, date, nume de produse, marcate exact unde apar.
Furnizor, total, scadență: unde stă fiecare pe factură, contract sau formular.
Chenare sau contururi pentru defecte, produse, piese, pentru viziune computerizată.
Ce ține de ce: contractul de client, anexa de contract, produsul de comandă.
Pentru asistenți AI: care dintre două răspunsuri e mai bun și de ce.
Cum ajungem la etichete de încredere
Etichetarea bună nu înseamnă mai mulți oameni care dau clic. Înseamnă reguli clare și o verificare care arată unde nu sunt clare.
- 1Schema
Lista etichetelor și ce înseamnă fiecare, stabilită cu cei care cunosc domeniul.
- 2Ghidul
Reguli și exemple, mai ales pentru cazurile de la graniță, ca în jocul de mai sus.
- 3Dublă etichetare
O parte din exemple sunt etichetate de doi oameni, fiecare fără să vadă eticheta celuilalt.
- 4Arbitraj
Unde nu sunt de acord, decide un al treilea. Decizia devine regulă nouă în ghid.
- 5Acord măsurat
Știm cât de des se potrivesc etichetele. Dacă acordul e mic, de obicei ghidul trebuie reparat, nu oamenii.
Setul etichetat merge apoi la antrenarea modelului. Dacă datele au nevoie întâi de ordine, începem cu curățarea și normalizarea.
Datele voastre, regulile voastre
Etichetarea înseamnă că cineva citește fiecare exemplu. De aceea contează unde se întâmplă și cine decide.
- La voi, nu la terți
- Instrumentul de etichetare, open-source, se instalează pe serverul firmei. Datele nu ajung pe o platformă externă.
- Specialiștii voștri decid
- Cazurile grele le hotărăsc oamenii care cunosc domeniul. Noi organizăm, etichetăm și verificăm.
- Ghidul rămâne al vostru
- Schema și regulile sunt documentate. Setul se poate extinde oricând, cu aceleași reguli.
- Set documentat
- Câte exemple, ce etichete, ce acord și ce versiune a ghidului. Știți exact pe ce se antrenează modelul.
Întrebări frecvente
Ce tipuri de date puteți eticheta?
Text (mesaje, tichete, e-mailuri), documente (facturi, contracte, formulare), imagini și perechi de răspunsuri pentru asistenți AI. Instrumentul și schema se aleg după tipul de date și după ce trebuie să învețe modelul.
Cine face etichetarea?
Noi, oamenii voștri sau împreună. De obicei, specialiștii voștri decid cazurile grele și validează ghidul, iar volumul mare îl preluăm noi.
De câte exemple e nevoie?
Depinde de sarcină și de câte etichete are schema. Pornim cu un set mic, antrenăm, vedem unde greșește modelul și etichetăm mai mult exact acolo, în loc să etichetăm orbește.
Cum știți că etichetele sunt corecte?
Din ghid, din dubla etichetare și din acordul măsurat între etichetatori. Unde acordul e mic, reparăm ghidul și reluăm exemplele afectate înainte de livrare.
Datele pleacă din firmă?
Nu. Instrumentul de etichetare rulează pe serverul firmei, iar cine etichetează lucrează acolo, cu acces controlat.
Cât costă?
Depinde de volum, de tipul de date și de cât de fină e schema. După evaluarea gratuită primiți un preț fix, în scris.
Ce vreți să învețe modelul?
Spuneți-ne ce date aveți și ce ar trebui să recunoască. La evaluarea gratuită propunem schema, ghidul și volumul de pornire, cu preț fix în scris.
