Auf dem sich schnell ver\u00e4ndernden globalen Markt von heute suchen Unternehmen st\u00e4ndig nach Methoden zur Beschleunigung und Feinabstimmung von Entscheidungsprozessen. Eine der potenziellen L\u00f6sungen liegt im Einsatz von generativen Modellen der k\u00fcnstlichen Intelligenz (KI), die dabei helfen, die komplexen Diagramme, die h\u00e4ufig in Markt\u00fcbersichten und Finanzberichten zu finden sind, zu konsolidieren und zu verstehen. Doch selbst die fortschrittlichsten Vision-Language-Modelle (VLMs) stehen vor der Herausforderung, diese Aufgabe zu bew\u00e4ltigen. Das liegt vor allem daran, dass ein einziges Modell das visuelle, numerische und sprachliche Verst\u00e4ndnis verarbeiten muss. Unternehmen, die viel in diese erstklassigen Modelle investieren, erhalten daher m\u00f6glicherweise immer noch ungenaue oder unvollst\u00e4ndige Informationen.<\/p>\n
Um dieses Problem zu l\u00f6sen, haben Forscher des MIT und des MIT-IBM Computing Research Lab eine bereichernde Ressource f\u00fcr KI-Nutzer entwickelt. Diese Ressource wurde speziell entwickelt, um VLMs beizubringen, Diagramme effektiv zu interpretieren. Mithilfe einer innovativen Datengenerierungstechnik haben die Forscher einen innovativen Datensatz mit dem treffenden Namen ChartNet erstellt. Mit einer beeindruckenden Anzahl von \u00fcber einer Million Diagrammen umfasst dieser Datensatz verschiedene visuelle, sprachliche und numerische Aspekte jedes Diagrammbildes. Diese Kombination erm\u00f6glicht es den Modellen, die durch ein Diagramm vermittelten Informationen zuverl\u00e4ssig zu entschl\u00fcsseln.<\/p>\n
Das MIT- und IBM-Team erkannte das Potenzial dieses Tools und nutzte ChartNet, um eine Reihe von Open-Source-VLMs zu trainieren. Beeindruckenderweise \u00fcbertrafen diese kleineren Modelle bei Aufgaben wie der Datenextraktion und der Zusammenfassung von Diagrammen oft ihre viel gr\u00f6\u00dferen propriet\u00e4ren Gegenst\u00fccke. Die F\u00e4higkeit von ChartNet, die Leistung von Open-Source-Modellen zu verbessern, k\u00f6nnte vor allem f\u00fcr kleinere Unternehmen mit begrenztem Budget eine entscheidende Rolle spielen. Dar\u00fcber hinaus kann der Datensatz verwendet werden, um die F\u00e4higkeit von KI-Modellen f\u00fcr Aufgaben wie die Analyse von Gesch\u00e4ftstrends und die Interpretation wissenschaftlicher Zahlen zu verfeinern.<\/p>\n
W\u00e4hrend KI-Modelle in Bereichen wie der Verarbeitung nat\u00fcrlicher Sprache und der Auswertung nat\u00fcrlicher Bilder bemerkenswerte Fortschritte gemacht haben, steckt die Interpretation multimodaler Datenkomplexit\u00e4t in Diagrammen noch in den Kinderschuhen. F\u00fcr die meisten, wenn nicht sogar f\u00fcr alle Branchen bleibt das Verst\u00e4ndnis von Diagrammen eine zentrale Aufgabe. Dhiraj Joshi, ein leitender Wissenschaftler bei IBM Research, dr\u00fcckt es treffend aus: \u201cDie Finanzbranche lebt von Diagrammen. Wenn Modelle f\u00fcr die Bildsprache Informationen aus Diagrammen extrahieren k\u00f6nnen, z. B. Beschreibungen von Trends, erleichtert das viele nachgelagerte Arbeitsabl\u00e4ufe. Die Interpretation von Diagrammen ist jedoch oft mit Einschr\u00e4nkungen verbunden, insbesondere mit dem Zwang zu qualitativ hochwertigen Trainingsdaten. Viele dieser Daten \u00e4hneln Teilen eines Puzzles - begrenzte Diagrammbilder aus dem Internet, denen oft der Ma\u00dfstab und wichtige Details fehlen, um die Modellinterpretation zu unterst\u00fctzen. Um diese Engp\u00e4sse zu \u00fcberwinden, wandten sich die Forscher synthetischen Daten zu, die algorithmisch generiert wurden, um die statistischen Eigenschaften tats\u00e4chlicher Daten zu imitieren.<\/p>\n
So entsteht ChartNet - eine Sammlung von \u00fcber einer Million hochwertiger Diagrammbilder, zusammen mit dem entsprechenden Code, der zur Erstellung jedes Diagramms verwendet wurde, einer textlichen Beschreibung und einer Tabelle mit den numerischen Informationen. Jeder Datenpunkt im Datensatz enth\u00e4lt Frage-Antwort-Paare, um dem Modell beizubringen, wie es Fragen zum Diagrammbild korrekt beantworten kann. Diese zus\u00e4tzlichen Datenmodi leiten das Modell an, die verschiedenen Daten, die jedes Diagrammbild kodiert, miteinander zu verbinden und abzugleichen.<\/p>\n
Die Teams des MIT und von IBM haben ChartNet gr\u00fcndlich getestet, indem sie die IBM-Modelle der Granite Vision-Serie und mehrere andere Open-Source-Modelle unterschiedlicher Gr\u00f6\u00dfe trainierten. Diese Bewertungen wurden f\u00fcr verschiedene Aufgaben zur Interpretation von Diagrammen durchgef\u00fchrt. Der Datensatz verbesserte die Genauigkeit aller Modelle bei der Rekonstruktion von Diagrammen, der Datenextraktion, der Zusammenfassung und der Beantwortung von Fragen. Mit Hilfe von ChartNet konnten kleine Open-Source-Modelle die viel gr\u00f6\u00dferen kommerziellen Modelle durchweg \u00fcbertreffen. Die Forscher sind bestrebt, ChartNet zu erweitern, indem sie Daten mit zus\u00e4tzlichen Komplexit\u00e4tsstufen verwenden und das Feedback der Forschungsgemeinschaft ber\u00fccksichtigen. Diese Pionierarbeit wurde teilweise vom MIT-IBM Computing Research Lab finanziert. Wenn Sie nach KI-Automatisierungsl\u00f6sungen suchen oder mehr dar\u00fcber erfahren m\u00f6chten, besuchen Sie implementi.ai hier<\/a>. Weitere Einzelheiten finden Sie im Originalartikel hier<\/a>.<\/p>","protected":false},"excerpt":{"rendered":" In today’s swiftly changing global marketplace, companies are ever in pursuit of methods to speed up and fine-tune the decision-making processes. One of the potential solutions lies in employing generative artificial intelligence (AI) models to help consolidate and make sense of the complex charts often found in market summaries and financial reports. However, even the most advanced vision-language models (VLMs) face challenges in accomplishing this task. This is largely due to the need for a single model to assimilate visual, numerical, and linguistic comprehension. As such, companies investing heavily in these top-notch models might still end up receiving imprecise or […]<\/p>\n","protected":false},"author":4,"featured_media":8875,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[46],"tags":[],"class_list":["post-8874","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-automation","post--single"],"_links":{"self":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts\/8874","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/comments?post=8874"}],"version-history":[{"count":0,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts\/8874\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/media\/8875"}],"wp:attachment":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/media?parent=8874"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/categories?post=8874"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/tags?post=8874"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}