Na dzisiejszym szybko zmieniaj\u0105cym si\u0119 globalnym rynku firmy nieustannie poszukuj\u0105 metod przyspieszenia i dostrojenia proces\u00f3w decyzyjnych. Jednym z potencjalnych rozwi\u0105za\u0144 jest zastosowanie generatywnych modeli sztucznej inteligencji (AI), kt\u00f3re pomagaj\u0105 skonsolidowa\u0107 i zrozumie\u0107 z\u0142o\u017cone wykresy cz\u0119sto spotykane w podsumowaniach rynkowych i raportach finansowych. Jednak nawet najbardziej zaawansowane modele wizyjno-j\u0119zykowe (VLM) stoj\u0105 przed wyzwaniami zwi\u0105zanymi z wykonaniem tego zadania. Wynika to w du\u017cej mierze z potrzeby pojedynczego modelu do asymilacji zrozumienia wizualnego, numerycznego i j\u0119zykowego. W zwi\u0105zku z tym firmy inwestuj\u0105ce w te najwy\u017cszej klasy modele mog\u0105 nadal otrzymywa\u0107 nieprecyzyjne lub niekompletne informacje.<\/p>\n
Wychodz\u0105c naprzeciw tej kwestii, naukowcy z MIT i MIT-IBM Computing Research Lab opracowali wzbogacaj\u0105cy zas\u00f3b dla u\u017cytkownik\u00f3w AI. Zas\u00f3b ten zosta\u0142 specjalnie zaprojektowany, aby nauczy\u0107 VLM skutecznego interpretowania wykres\u00f3w. Dzi\u0119ki innowacyjnej technice generowania danych, naukowcy stworzyli najnowocze\u015bniejszy zbi\u00f3r danych znany jako ChartNet. Ten imponuj\u0105cy zbi\u00f3r danych, obejmuj\u0105cy ponad milion wykres\u00f3w, zawiera r\u00f3\u017cne wizualne, j\u0119zykowe i numeryczne aspekty ka\u017cdego obrazu wykresu. Ta kombinacja pozwala modelom na solidne rozwik\u0142anie informacji przekazywanych przez wykres.<\/p>\n
Widz\u0105c potencja\u0142 tego narz\u0119dzia, zesp\u00f3\u0142 MIT i IBM wykorzysta\u0142 ChartNet do szkolenia serii modeli VLM typu open source. Co imponuj\u0105ce, te mniejsze modele cz\u0119sto przewy\u017csza\u0142y swoje znacznie wi\u0119ksze, zastrze\u017cone odpowiedniki w zadaniach takich jak ekstrakcja danych i podsumowywanie wykres\u00f3w. Zdolno\u015b\u0107 ChartNet do zwi\u0119kszania wydajno\u015bci modeli open source mo\u017ce by\u0107 prze\u0142omem, szczeg\u00f3lnie dla mniejszych firm z ograniczeniami bud\u017cetowymi. Opr\u00f3cz tego, zbi\u00f3r danych mo\u017ce by\u0107 wykorzystany do udoskonalenia adept\u00f3w modeli AI do zada\u0144 takich jak analiza trend\u00f3w biznesowych i interpretacja danych naukowych.<\/p>\n
Podczas gdy modele sztucznej inteligencji poczyni\u0142y znaczne post\u0119py w obszarach takich jak przetwarzanie j\u0119zyka naturalnego i rozumowanie o naturalnych obrazach, interpretacja z\u0142o\u017cono\u015bci danych multimodalnych na wykresach jest wci\u0105\u017c rodz\u0105c\u0105 si\u0119 dziedzin\u0105. Dla wi\u0119kszo\u015bci bran\u017c, je\u015bli nie dla wszystkich, zrozumienie wykres\u00f3w pozostaje kluczowym zadaniem. Dhiraj Joshi, starszy naukowiec w IBM Research, trafnie to uj\u0105\u0142, m\u00f3wi\u0105c: \u201cBran\u017ca finansowa rozwija si\u0119 dzi\u0119ki wykresom. Je\u015bli modele j\u0119zyka wizyjnego mog\u0105 wyodr\u0119bni\u0107 informacje z wykres\u00f3w, takie jak opisy trend\u00f3w, u\u0142atwia to wiele przep\u0142yw\u00f3w pracy, kt\u00f3re maj\u0105 miejsce p\u00f3\u017aniej\u201d. Interpretacja wykres\u00f3w cz\u0119sto wi\u0105\u017ce si\u0119 jednak z ograniczeniami - a dok\u0142adniej z ograniczeniem wysokiej jako\u015bci danych szkoleniowych. Wiele z nich przypomina fragmenty uk\u0142adanki - ograniczone obrazy wykres\u00f3w pobrane z Internetu, kt\u00f3rym cz\u0119sto brakuje skali i istotnych szczeg\u00f3\u0142\u00f3w, aby pom\u00f3c w interpretacji modelu. Aby przezwyci\u0119\u017cy\u0107 te w\u0105skie gard\u0142a, naukowcy zwr\u00f3cili si\u0119 do danych syntetycznych, generowanych algorytmicznie w celu na\u015bladowania statystycznych w\u0142a\u015bciwo\u015bci rzeczywistych danych.<\/p>\n
W ten spos\u00f3b powsta\u0142 ChartNet - zbi\u00f3r ponad miliona wysokiej jako\u015bci obraz\u00f3w wykres\u00f3w, wraz z odpowiednim kodem u\u017cytym do wygenerowania ka\u017cdego wykresu, opisem tekstowym i tabel\u0105 zawieraj\u0105c\u0105 informacje liczbowe. Ka\u017cdy punkt danych w zbiorze danych zawiera pary pyta\u0144 i odpowiedzi, aby nauczy\u0107 model, jak poprawnie odpowiada\u0107 na pytania dotycz\u0105ce obrazu wykresu. Te dodatkowe tryby danych prowadz\u0105 model do \u0142\u0105czenia i wyr\u00f3wnywania r\u00f3\u017cnych fragment\u00f3w danych, kt\u00f3re koduje ka\u017cdy obraz wykresu.<\/p>\n
Zespo\u0142y MIT i IBM rygorystycznie przetestowa\u0142y ChartNet, szkol\u0105c modele IBM z serii Granite Vision i kilka innych modeli open-source o r\u00f3\u017cnych rozmiarach. Oceny te dotyczy\u0142y r\u00f3\u017cnych zada\u0144 zwi\u0105zanych z interpretacj\u0105 wykres\u00f3w. Zestaw danych poprawi\u0142 dok\u0142adno\u015b\u0107 wszystkich modeli w rekonstrukcji wykres\u00f3w, ekstrakcji danych, podsumowywaniu i odpowiadaniu na pytania. Wspierane przez ChartNet, ma\u0142e modele open-source mog\u0142y konsekwentnie przewy\u017csza\u0107 znacznie wi\u0119ksze modele komercyjne. Naukowcy chc\u0105 rozszerzy\u0107 ChartNet, wykorzystuj\u0105c dane o dodatkowych poziomach z\u0142o\u017cono\u015bci i bior\u0105c pod uwag\u0119 opinie spo\u0142eczno\u015bci badawczej. Ta pionierska praca zosta\u0142a cz\u0119\u015bciowo sfinansowana przez MIT-IBM Computing Research Lab. Dla tych, kt\u00f3rzy szukaj\u0105 rozwi\u0105za\u0144 automatyzacji AI lub chc\u0105 dowiedzie\u0107 si\u0119 wi\u0119cej, sprawd\u017a implementi.ai tutaj<\/a>. Wi\u0119cej informacji mo\u017cna znale\u017a\u0107 w oryginalnym artykule tutaj<\/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\/pl\/wp-json\/wp\/v2\/posts\/8874","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/comments?post=8874"}],"version-history":[{"count":0,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts\/8874\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/media\/8875"}],"wp:attachment":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/media?parent=8874"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/categories?post=8874"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/tags?post=8874"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}