Ground-Truth

Ótima pergunta! Ambos os serviços, Amazon Augmented AI (A2I) e SageMaker Ground Truth, envolvem a colaboração humana em tarefas de Machine Learning dentro do ecossistema AWS, mas eles servem a propósitos fundamentalmente diferentes e são usados em fases distintas do ciclo de vida do ML. Aqui está a diferença detalhada: SageMaker Ground Truth: Propósito Principal: Criar conjuntos de dados de treinamento de alta qualidade. O foco é pegar dados brutos (imagens, texto, vídeo, etc.) e adicionar anotações ou rótulos (labels) a eles, feitos por humanos. Fase do Ciclo de Vida: Pré-treinamento. Usado antes de treinar um modelo de Machine Learning supervisionado, para gerar os dados rotulados necessários para esse treinamento. Entrada (Input): Dados não rotulados ou brutos. Saída (Output): Dados rotulados ou anotados, prontos para serem usados no treinamento de um modelo. Tarefa Humana Típica: Rotulagem de imagens (classificação, caixas delimitadoras, segmentação), transcrição de áudio, classificação de texto, extração de entidades, etc. O texto também menciona seu uso para coletar preferências humanas para RLHF (onde humanos ranqueiam ou escolhem as melhores respostas de um modelo, que é uma forma de rotulagem de preferências). Gatilho (Trigger): A necessidade de criar um dataset de treinamento ou avaliação para um novo modelo ou para melhorar um existente com mais dados rotulados. Amazon Augmented AI (A2I): ...