NuMind ist ein innovatives Werkzeug, das die Erstellung benutzerdefinierter Natural Language Processing (NLP)-Modelle durch einen interaktiven Lehrprozess erleichtern soll. Entwickelt von NuMind, zielt das Werkzeug darauf ab, die Verwendung fortschrittlicher NLP-Modelle zu demokratisieren, indem es den Benutzern ermöglicht, leistungsstarke Informationsextraktionsmodelle zu erstellen, ohne umfangreiche technische Expertise zu benötigen oder sensible Daten zu teilen.
NuMind nutzt eigene Grundlagenmodelle, automatisches maschinelles Lernen und eine aktive Lernstrategie, um den Modellerstellungsprozess zu optimieren. Durch das Lehren von KI können Benutzer leichte benutzerdefinierte Modelle entwickeln, die in der Regel weniger als 1 GB groß sind, sehr effizient sind und nach ausreichendem Training und Korrekturen oft größere, generische Large Language Models (LLMs) wie GPT-3.5 und GPT-4 übertreffen.
NuMind unterstützt verschiedene NLP-Aufgaben, einschließlich Klassifizierung, Mehrfachklassifizierung, Named Entity Recognition (NER) und bald strukturierte Extraktion. Diese Aufgaben ermöglichen es den Benutzern, relevante Informationen aus verschiedenen Dokumenten zu extrahieren, wie zum Beispiel medizinische Berichte, juristische Dokumente, Finanzberichte, Social-Media-Beiträge und Chatnachrichten.
Das Lehren der KI umfasst drei Hauptschritte: der KI mitzuteilen, was zu tun ist, der KI zu zeigen, wie es gemacht wird, und die Korrektur der Fehler der KI in wiederholten Iterationen. Dieser Ansatz ahmt die Art und Weise nach, wie Menschen sich gegenseitig unterrichten, und erweist sich als äußerst effektiv. Benutzer beginnen damit, das Projekt zu beschreiben und Klassen oder Labels zu erstellen. Anschließend zeigen sie der KI die Aufgabe, indem sie einige Dokumente annotieren. Die KI nutzt diese Annotationen, um ihre Modelle zu optimieren, wobei ein aktiver Lernprozess die informativsten Dokumente für weitere Annotationen auswählt.
NuMind stellt sicher, dass alle Daten und Berechnungen lokal bleiben und somit die Privatsphäre und Vertraulichkeit der Benutzerdaten gewahrt bleiben. Diese Funktion ist wichtig für Branchen mit strengen Datenschutzanforderungen. Während Benutzer weiterhin die Fehler der KI korrigieren, verbessert sich das Modell rapide, oft mit der Zeit weniger Korrekturen erfordernd. Dieser iterative Prozess ermöglicht es den Benutzern, qualitativ hochwertige benutzerdefinierte Modelle mit minimalem Aufwand zu erstellen.