Eyecan.Ai

Secondo gli ultimi studi, anche grazie alla crescente domanda del mercato delle Auto a Guida Autonoma, il mercato dei Dati, o meglio di quelli che si occupano di Taggare i Dati si stima attorno agli 1.5 Miliardi di dollari con un CAGR stimato del 19%. Le maggiori startup di questo settore sono: Appen (https://appen.com/), Scale.ai (https://scale.ai/), Mighty.ai (https://mighty.ai/), Gengo Ai (https://gengo.ai/), Hive.ai (https://thehive.ai/), Clickworker (https://www.clickworker.com/), Dataloop (https://www.dataloop.ai/), Taskware (https://taskware.io/), Linked AI (https://linkedai.co/), Humansintheloop (https://humansintheloop.org/), Taqadam (https://taqadam.io/), Microwork (https://microwork.io/), CloudSight (https://cloudsight.ai/). Ognuna delle precedenti è considerata come una “third-party Data Labeling” a cui una azienda invia le proprie Immagini per essere Taggate completamente in Outsourcing. La maggior parte di loro si dichiara come Ethical Workplace perché sostanzialmente fa svolgere il task di Etichettatura a persone provenienti (o residenti) in paesi dove non c’è lavoro (India, Palestina, etc.), con il duplice beneficio di mantenere bassi i costi e portare benessere in luoghi dove non c’è. Proprio perché è un tipo di lavoro che non richiede grandi strutture / Infrastrutture (per la maggior parte di questi lavori basta un semplice Smartphone), è possibile distribuirlo nelle parti più disparate del globo. Tuttavia, nessuna delle precedenti Startup propone una soluzione Completamente Automatizzata che non richieda intervento umano. Nessuna delle precedenti, inoltre, è in Italia. L’unico vincolo della soluzione proposta da EYECAN, come accennato in precedenza, è avere la disponibilità degli Oggetti Fisici per generare le Immagini Taggate con la TrainingMachine, e anche se questo possa sembrare un ostacolo, in realtà dalle indagini di mercato è risultato che, in ambito Industriale, quasi la totalità delle aziende che si occupando di Machine Vision analizzano fisicamente i pezzi che poi saranno processati dal sistema di visione, quindi questo non costituisce un ostacolo insormontabile. Inoltre, la generazione automatizzata dei Dati proposta da EYECAN, risolve una serie di problemi quali: 1) essendo un lavoro svolto dall’uomo richiede molto tempo e quindi non può soddisfare i requisiti di elevata automazione richiesti dal mondo Industriale; 2) E’ un processo che costa molto in proporzione alla complessità del Tag da creare tant’è che ci sono addirittura dei Task che non possono essere risolti dall’uomo perché troppo complessi (e.g. esistono dei Tag che consistono nell’individuare a quanti millimetri l’oggetto target è dalla camera che lo sta inquadrando, questo non può essere desunto da un uomo guardando la singola immagine!); 3) E’ una procedura che, se svolta manualmente, risulta inaccurata perché prona ad errori di distrazione o scelte prettamente soggettive del soggetto operante; 4) E’ una procedura Non Sicura per un contesto Industriale perché prevede la divulgazione di Immagini sensibili riguardanti spesso attività confidenziali.