Name: Potato
Author: Potato

Hinweis: Dieser Beitrag beschreibt Potato 2.0 im Zustand zum Release. Einige Konfigurationsschlüssel und Funktionen haben sich in späteren Versionen geändert. Die aktuelle Konfigurationssyntax steht in der aktuellen Dokumentation.

Potato 2.0 ist da, und es ist das größte Update, das wir bisher ausgeliefert haben. Die wichtigsten Zugänge sind KI-gestützte Funktionen, breitere Multimedia-Unterstützung und ein Modul für Active Learning. Zusammen verändern sie, wie du Trainingsdaten erzeugst.

Was neu ist in Potato 2.0

KI-gestützte Annotationshilfe

Potato 2.0 lässt sich an OpenAI GPT-4, Anthropic Claude und Google Gemini anbinden. Ist ein Modell einmal angeschlossen, kann es Annotationen vorschlagen, die die annotierende Person übernehmen, ändern oder verwerfen kann. Es kann wichtige Begriffe und Formulierungen hervorheben, damit die Aufmerksamkeit dort landet, wo sie hingehört. Und es kann während der Arbeit auf mögliche Probleme mit einer Annotation hinweisen, ohne die Entscheidung aus der Hand zu nehmen.

yaml

# Enable AI assistance in your config
ai_support:
  enabled: true
  endpoint_type: openai
 
  ai_config:
    model: gpt-4
    api_key: ${OPENAI_API_KEY}
 
  features:
    hints:
      enabled: true
    keyword_highlighting:
      enabled: true
    label_suggestions:
      enabled: true

Multimedia-Unterstützung

Potato hat als Textwerkzeug angefangen, und das ist weiterhin der Kern. Dazu kommen jetzt Bilder (Klassifikation, Bounding Boxes, Polygone und Keypoint-Erkennung), Audio (Wellenformdarstellung, Prüfung von Transkripten, Sprecherdiarisierung) und Video (Navigation Bild für Bild, zeitliche Markierung von Ereignissen, Objektverfolgung).

Active Learning

Das neue Modul für Active Learning kann den Annotationsaufwand um bis zu 50 % senken. Es arbeitet mit jedem sklearn-Klassifikator zusammen, um die Elemente nach oben zu holen, bei denen das Modell am unsichersten ist, trainiert mit eingehenden Annotationen nach, sodass die Auswahl besser wird, und lässt dich Klassifikator und Merkmalsextraktion in YAML festlegen.

Migration von Potato 1.x

Der Umstieg von Potato 1.x ist unkompliziert. Deine bestehenden YAML-Konfigurationen laufen weiter, und ein Migrationswerkzeug hilft dir beim Einstieg in die neuen Funktionen:

bash

# Upgrade your installation
pip install --upgrade potato-annotation
 
# Run the migration helper
potato migrate config.yaml --to-v2

Verbesserungen bei der Performance

Seiten werden schneller gerendert, große Datensätze laden flüssiger, und die Sitzungsverwaltung hält besser stand, wenn mehrere Annotierende gleichzeitig arbeiten.

Die vollständige Liste der Änderungen steht in den Release Notes zu 2.0.

Loslegen

Die Installation ist eine Zeile:

bash

pip install potato-annotation
potato start your_config.yaml

Der Schnellstart-Leitfaden führt einmal komplett durch, und im Showcase findest du Beispielkonfigurationen zum Abschauen.

Wie es weitergeht

Seit 2.0 ist bei Potato einiges passiert:

Potato 2.1 brachte die Instanzanzeige, visuelle KI-Unterstützung (YOLO, Ollama Vision, OpenAI Vision), Span-Verknüpfung und anpassbare Layouts.

Potato 2.2 (ab sofort verfügbar) ergänzt 9 neue Annotationsschemata (Ereignisannotation, Entity Linking, Triage, paarweiser Vergleich, Koreferenzketten, Gesprächsbäume und weitere), eine erweiterbare Export-CLI, Schätzung der Annotierendenkompetenz mit MACE, 55 validierte Erhebungsinstrumente und entfernte Datenquellen.

Mehr zu Potato 2.2 →

Dank an die Forschenden und Praktikerinnen und Praktiker, die Potato unterwegs geprägt haben. Euer Feedback treibt die Roadmap.

Fragen oder Rückmeldungen? Komm in unsere GitHub Discussions oder melde dich auf Twitter bei @PotatoAnnotation.