Как узнать код искусственного интеллекта, ноу-хау с CatalyzeX

Как узнать код искусственного интеллекта, ноу-хау с CatalyzeX

Источник · Перевод автора

Когда дело доходит до создания проекта ИИ, будь то для распознавания речи или какого-либо другого варианта использования, специалисты по обработке данных и разработчики, как правило, проводят много времени в Google, анализируя существующие исследования, которые уже проводились в той же области.

Цель работы – понять, какие методы и модели были применены в пространстве и какие из них достаточно хороши, чтобы ссылаться на них или опираться на них. Однако проблема в том, что с десятками тысяч исследовательских статей, уже размещенных в Интернете, поиск соответствующих технических материалов для текущего проекта оказывается чрезвычайно утомительной задачей.

CatalyzeX ускоряет обнаружение кода ИИ

Компания CatalyzeX из Калифорнии решает эту задачу с помощью специальной поисковой системы для обнаружения моделей и кода ИИ. Решение, поддерживаемое собственными поисковыми роботами, агрегаторами и классификаторами компании, автоматически просматривает технические документы на таких сайтах, как Arxiv, а также на платформах кода, чтобы сопоставить и связать модели и методы машинного обучения с различными соответствующими реализациями кода.

Вот как вы можете использовать его для создания собственного проекта ИИ.

  1. Для начала просто посетите Catalyst.com и введите тему проекта в строке поиска. Это может быть что угодно, от обнаружения объектов до создания механизма рекомендаций или алгоритма обнаружения заболеваний. Пользователи также могут использовать рекомендации, предлагаемые внизу строки поиска.
  2. После поиска платформа перечисляет большинство, если не все, доступные исследования по рассматриваемой теме. Например, поиск по обнаружению Covid-19 показывает десятки документов, в которых подробно описываются различные методы, подходы и основы диагностики заболевания с помощью рентгена грудной клетки. Пользователи могли просматривать отрывки из этих исследовательских работ прямо на странице результатов, а затем выбирать наиболее подходящую для исследования.
  3. После открытия исследовательской работы CatalyzeX объединяет всю доступную информацию о ней, начиная с имен авторов и заканчивая фактическим исследованием машинного обучения, результатами и цифрами. Пользователи могли прочитать и понять, что именно исследователи хотели выполнить, а также все связанные с этим технические детали.
  4. Что наиболее важно, на этой странице также есть ссылка на базу данных и код модели (прямо под заголовком), используемый для исследования авторами или предоставленный сообществом CatalyzeX. Итак, если проект имеет какую-то ценность, пользователи могут углубиться в базу данных и реализацию кода и построить на ней поверх нее.

В случае, если код и база данных, использованные для исследования, не были обнародованы, платформа также предоставляет возможность связаться с авторами статьи. Все, что нужно сделать пользователям, – это выполнить вышеупомянутые шаги и нажать кнопку «Спросить авторов», чтобы связаться с ними. Более того, пользователи могут даже использовать расширение браузера CatalyzeX, чтобы получать ссылки на код прямо в результатах поиска Google. Он еще больше упрощает процесс поиска и доступен как в Chrome, так и в Firefox.