Résolution d'un problème de classification de 350 images avec GPT-4

Une petite entreprise d'IA a relevé un défi de reconnaissance d'image : identifier 350 illustrations de voitures très similaires. Les approches traditionnelles de vision par ordinateur et de réalité augmentée ont échoué. L'équipe a essayé l'apprentissage par transfert MobileNet et l'augmentation de données, mais les résultats étaient incohérents. Finalement, ils ont intelligemment combiné une recherche d'incorporations d'images basée sur KNN avec GPT-4, soumettant des images candidates à GPT-4 pour la correspondance finale. Bien que pas parfaite, cette solution a considérablement amélioré la précision et a été appliquée avec succès à une application de musée, améliorant même la gamme de produits principale de l'entreprise. Cela montre comment les grands modèles de langage deviennent des outils polyvalents dans le développement de produits, simplifiant le processus d'application de l'IA.