Caja de etiquetas, una startup que desarrolla una plataforma de anotación y etiquetado de datos, anunció hoy que ha recaudado $ 40 millones, lo que total recaudado a $ 79 millones. La compañía dice que los fondos se utilizarán para adquirir nuevos clientes, ampliar sus soluciones y hacer crecer su fuerza laboral en todo el mundo.

El entrenamiento de la IA y los algoritmos de aprendizaje automático requiere una gran cantidad de datos anotados. Pero los datos rara vez vienen con anotaciones. La mayor parte del trabajo a menudo recae en los etiquetadores humanos, cuyos esfuerzos tienden a ser costosos, imperfectos y lentos. Se estima que la mayoría de las empresas que adoptan el aprendizaje automático dedican más del 80% de su tiempo al etiquetado y la gestión de datos.

Labelbox fue fundada en 2018 por Manu Sharma y Brian Rieger, quienes trabajaron en la industria aeronáutica, diseñando y probando sistemas de control de vuelo y experimentando con modelos de aprendizaje automático. La empresa con sede en San Francisco ofrece un servicio web y una API que permite a los equipos de ciencia de datos trabajar con equipos de anotación desde un solo panel. Los usuarios pueden personalizar las herramientas para admitir casos de uso específicos, incluidas instancias, atributos personalizados y más, y etiquetar directamente en fotos, cadenas de texto, conversaciones, párrafos, documentos y videos.

Con Labelbox, los administradores pueden administrar el acceso a datos y proyectos para los miembros del equipo, asegurando controles de acceso cuando trabajan con un servicio de etiquetado. También obtienen métricas de rendimiento de etiquetadoras y un catálogo de servicios de etiquetado disponibles, además de recuentos de funciones y análisis de objetos para mejorar las capacidades del modelo.

Labelbox se encuentra en una categoría adyacente a empresas como Scale AI, que ha recaudado más de $ 100 millones para su conjunto de servicios de etiquetado de datos, y NubeFábrica, que dice que ofrece oportunidades de crecimiento de etiquetadoras y bonos "basados ​​en métricas". Eso sin mencionar Colmena, alegion, aplicar, Super Anotar, Bucle de datosy Cognizant.

Pero Labelbox, que tiene 150 clientes y poco más de 100 empleados, dice que reduce el tiempo y el costo asociados con la anotación a través del etiquetado previo, donde los datos sin etiquetar se siembran inicialmente con predicciones de modelos de aprendizaje automático. La compañía también afirma emplear el aprendizaje activo, que prioriza dinámicamente las colas de etiquetado de datos. Desde Labelbox, los clientes pueden buscar, explorar y seleccionar datos de entrenamiento para investigar etiquetas deficientes o inconsistentes.

Cuando estas herramientas se aprovechan en conjunto, Labelbox afirma que permiten a los clientes automatizar el etiquetado donde la confianza es alta y destacar los activos donde el rendimiento sigue siendo bajo. Esto aparentemente permite a los etiquetadores preetiquetar activos para confirmar, rechazar o editar anotaciones, en lugar de etiquetar desde cero.

“Mientras que el software se construye con código, la IA se construye con datos. Los algoritmos y la potencia informática se han convertido en productos básicos, lo que significa que la forma de diferenciar su IA en el mercado es a través de sus datos de entrenamiento ”, dijo Rieger a VentureBeat por correo electrónico. “Pero convertir sus datos patentados en IA generadora de ingresos ha sido un proceso difícil, lleno de retrasos y comienzos en falso. Nuestra plataforma de datos de formación permite a las organizaciones construir su propio 'motor de datos' de IA de forma extremadamente rápida con un ahorro de costes significativo ".

B Capital Group lideró la inversión de la serie C que Labelbox anunció hoy. Los inversores anteriores Andreessen Horowitz, First Round Capital, Gradient Ventures (el fondo de riesgo de inteligencia artificial de Google), Kleiner Perkins y la directora ejecutiva de ARK Invest, Catherine Wood, también participaron.