BasicAI
BasicAI Inc. · コーディング · ビジネス
BasicAI Cloudは、画像、動画、LiDAR、言語データをラベリングするWeb型のAIデータアノテーションプラットフォームだ。モデル支援、役割別のレビュー、外部公開APIを備える。
BasicAI について
About
BasicAI Cloudとは
BasicAI Cloudは、米国カリフォルニア州アーバインに拠点を置くBasicAI Inc.のデータアノテーションプラットフォームである。生データの受け入れ、ラベルカテゴリの定義、アノテーション作業の割り振り、学習パイプラインがそのまま読める形式での出力という4つの段階を1か所にまとめる。写真と動画、LiDAR機器から得たセンサーフュージョンデータ、音声、大規模言語モデルの学習に使う対話テキストが同じアカウントに入る。
狙いは、ほぼすべてのAIプロジェクトが2か月目あたりでぶつかる詰まりだ。モデルには正しくラベル付けされた例が要るが、最初に使う道具は表計算ソフト、数本のスクリプト、書きかけの書き出しファイルが入ったフォルダになりがちである。BasicAIは、バッチをまたいでも崩れないオントロジー、同じデータを複数回のレビューへ回せるラベリングワークフロー、人が画面を開く前に欠けたボックスを見つける自動チェックで、それを置き換える。
最大の制約は買い方にある。同社は月額のクラウド契約から離れ、年6,600ドルからのプライベート導入に軸足を移した。個人や2人程度のチームは価格で弾かれる。サポートもセルフサービス登録ではなく営業とのやり取りになるため、小さな試験導入にも手間がかかる。
はじめかた
- app.basic.aiでアカウントを作るか、プライベート導入が必要ならデモを申し込む。無料トライアルはプラットフォームを評価するチーム向けだ。
- データセットを作成し、画像、動画、LiDARフュージョン、音声、テキスト、生成AI対話から種類を選ぶ。ファイルはブラウザから上げるか、APIの署名付きURLに送る。
- オントロジーを組み立てる。スーパークラス、サブクラス、分類属性のことで、ラベルはここから生まれる。JSON形式が既にあるなら、読み込みは1手間で済む。
- タスクかプロジェクトを作り、アノテーター、レビュアー、検収担当を割り当て、各段階に品質ルールを付ける。
- 承認済みの結果を書き出す。COCO、KITTI 3D、プラットフォーム独自形式に対応し、出力先は自社のクラウドストレージにも指定できる。
AIツール情報
BasicAIの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- ひとりか小さなチームで動くコンピュータビジョンエンジニア。自前のラベリング画面を作らずに検出、追跡、セグメンテーションの道具が揃う。年間契約のため、思いつきの実験には向かない。
- 複数クライアントを抱えるアノテーション受託会社。アノテーター、レビュアー、検収担当の分け方が、こうした会社の既存のプロジェクト編成とそのまま重なる。
- LiDARデータを集める自動車・ロボティクスのチーム。融合ツールが点群とカメラ画像を並べる。一般的な画像ツールが止まる場所だ。
- ファインチューニング用データを整える研究チーム。RLHFデータセットを作るのに向く形式で、SFTの応答とRLHFの順位付けを他のデータと同じ場所で扱える。
タスク
- 物体検出用に街路画像をラベリングする。事前学習モデルを先に走らせて下書きを作り、その誤りを直す。白紙から描き始める必要はない。
- LiDARとカメラのフュージョンデータセットを作る。2つの視点を合わせ、一度ラベリングすれば両方の表示で結果を確認できる。
- 指示チューニング用のデータを用意する。対話アノテーションは応答と評価点や順位を一緒に記録し、報酬モデルに回せる。
- 多段階のレビューを組む。データはアノテーターからレビュアー、検収担当へ流れ、各段階に品質ルールが付く。
- 学習用のラベルを同期する。承認済みの結果をAPIから取り込めば、週次で人手による書き出しを挟まなくて済む。
シーン
- 新しいモデル案件で最初のアノテーション工程を立ち上げる。データセット、オントロジー、レビュー手順を1か所に置ける。互いに繋がらない3つのツールを持ち寄る必要はない。
- 学習前にラベルの品質を点検する。自動品質ルールが抜けラベルや有効範囲外のオブジェクトを拾うので、目視の抜き取りが繰り返せる関門になる。
- アノテーションを社内に戻す。プライベート導入なら、データは共有クラウドのテナントではなく自社環境に残る。
主な機能
画像・動画アノテーション
画像アノテーションツールはバウンディングボックス、ポリゴン、ポリライン、キーポイント、セマンティックセグメンテーションを扱う。動画にはフレーム単位の追跡が加わり、1つの物体がクリップ全体で同じIDを保つ。対応形式はJPEGやPNGからBMP、TIFF、WebPまで幅広い。定型の検出作業ほど差が出る。一度物体を指定すれば、ツールが後続のフレームへ引き継ぎ、人はずれを直すだけで済む。
LiDARフュージョンアノテーション
LiDARアノテーションは、BasicAIを汎用のラベリングツールと分ける機能だ。点群とカメラ画像が同じ画面を共有するため、3次元のボックスを引いて写真上への投影を確かめられる。写真側から始めて点群で奥行きを確認する進め方もできる。検出、追跡、セグメンテーションはそれぞれ専用の流れを持ち、カメラのキャリブレーション情報はプラットフォーム内で管理する。
生成AIと言語モデル向けアノテーション
言語モデルの学習データ専用のデータセット形式がある。SFTモードは指示文と参照応答を組にし、RLHFモードは比較判断を記録する。多くは評価点か順位の形を取り、モデルを人間の好みに寄せる。言語モデル向けアノテーションは対話単位で進めるので、指示チューニングと選好データの収集を別のテキストアノテーション会社に投げずに済む。
モデルを使った事前ラベリング
事前学習モデルが新しいデータを先にラベリングし、人がその上を確認する。自社モデルも連携APIから接続でき、テキスト分類、固有表現抽出、画像検出、画像セグメンテーション、点群検出、点群セグメンテーションに対応する。反復の多いデータセットでは、作業が枠をすべて描くことから確認と修正へ移り、削減できる時間は大きい。
自動品質チェック
品質ルールはデータ、オブジェクト、属性に対して働き、ラベルの欠落、孤立したオブジェクト、有効範囲を外れた項目を検出する。実行方法は2つある。アノテーション中のツール画面での即時実行と、データセット全体への一括実行だ。ルールはデータセットに紐づくため、タスクの流れにそのまま引き継がれ、バッチごとに書き直さなくてよい。
ワークフローとチームの役割
作業は役割で分かれる。プロジェクト管理者がデータを保有してタスクを割り当て、アノテーターが受けてラベリングし、レビュアーが提出物を確認し、検収担当が最終承認を下す。1件のデータが複数回のレビューを通ることもある。レポートでは案件の状況、タスクごとの進み具合、アノテーター別の実績が見える。受託ラベリングの会社を想定した作りで、深夜にひとりで枠を描く研究者向けではない。
外部公開APIとデータの受け渡し
REST APIはデータセット作成、タスク管理、ファイルのアップロード、結果のダウンロードまでを覆う。APIキーはチーム単位で発行し、有効期限は自分で決められる。ファイルは署名付きURLで送るので、大きなバッチがAPI本体を圧迫しない。既定のレート制限は自動化に十分な余裕があり、毎秒100回、毎分3,000回まで使える。
メリットとデメリット
メリット
- LiDARとカメラのセンサーフュージョンが通常の画像ラベリングと同じ製品に入っている。自動運転のチームが2社目のベンダーを探さずに済む。
- 自社モデルによる事前ラベリングが公開された連携エンドポイントから使え、結果は通常のレビュー工程に流れる。
- 品質ルールはデータセット単位で設定でき、即時と一括の両方で走る。ラベルの品質が感覚ではなく数値で語れる。
- REST APIがアップロードから出力までを覆うため、学習スクリプトが承認済みデータを自分で取りに行ける。
- COCOとKITTIの入出力に対応し、完成したデータは変換層なしで既存の学習環境に収まる。
デメリット
- 公開されている最安の契約は年6,600ドルのプライベート導入だ。ひとりのエンジニアがアイデアを試すための低価格な選択肢は出ていない。
- それ以上の価格は営業との見積もりになる。予算を組むには料金表ではなく打ち合わせが要る。
- 機能の幅が広い。写真に枠を引くだけで足りるチームも、一度も開かない点群、音声、言語のツール分を払うことになる。
- ドキュメントの一部は以前のクラウド月額契約のまま更新されておらず、導入形態が変わる最中に現行の条件を読み取りにくくしている。
よくある質問
AIの学習データを整えるためのプラットフォームだ。画像、動画、点群、音声、テキストをアップロードし、カテゴリを定義して手作業とモデル支援でアノテーションし、レビュー後に出力してモデル学習に回す。
関連コンテンツ
BasicAIに関連するツール、スキル、記事を探す。
BasicAIの代替ツール
Forefront
Forefront · コーディングForefrontはオープンソースAIで構築するためのウェブプラットフォームだ。主要なオープンソース言語モデルを自分のデータで微調整し、性能を評価し、API経由で実行したり、エクスポートして自分でホストしたりできる。クローズドなプラットフォームの手軽さを求めつつ、モデルとデータの所有権にはこだわる開発者が対象だ。
Startkit
StartKit.AI · コーディングStartkitは、AI SaaSとAIラッパー製品を作るためのボイラープレートだ。面倒な部分をあらかじめ配線済みにしたAIスタートアップボイラープレートと考えればいい。認証、StripeとLemon Squeezyの決済、利用制限、トランザクションメール、そしてOpenAI、Anthropic、Groq、Llamaと通信するAI APIスターターキットが含まれる。リポジトリをクローンして価格を設定し、ユーザーが実際にお金を払う部分に取りかかれる。ReactとTailwind上のNext.jsで作られているため、ボイラープレートコードの多くはすでに見慣れたものだ。
Testim
Tricentis · コーディングTestimは、Web・モバイル・Salesforceアプリ向けにエンドツーエンドテストを構築して実行するAIテスト自動化プラットフォームだ。機械学習を頼りに、インターフェースが変わってもテストを安定させ、チームが壊れたセレクターの修正に費やす時間を減らす。今日から使い始められる自動テストツールとしては悪くない。ブラウザで操作を録画してテストを作り、より細かい制御が必要なときはJavaScriptを足す。忙しいQAチームにとって堅実な選択肢である。