L'API di Parallel Domain consente ai clienti di utilizzare l'IA generativa per creare set di dati sintetici

Parallel Domain sta mettendo la capacità di generare set di dati sintetici nelle mani dei suoi clienti.
La startup con sede a San Francisco ha lanciato una nuova API chiamata Data Lab che si erge sulle spalle dei giganti dell'IA generativa, offrendo agli ingegneri dell'apprendimento automatico il controllo su mondi virtuali dinamici per simulare qualsiasi scenario immaginabile.
"Tutto quello che devi fare è andare su GitHub, installare l'API e quindi puoi iniziare a scrivere codice Python che genera set di dati", ha detto a TechCrunch Kevin McNamara, fondatore e CEO di Parallel Domain.
Data Lab consente agli ingegneri di generare oggetti che in precedenza non erano disponibili nella libreria di asset della startup.
L'API utilizza la simulazione 3D per fornire una base su cui un ingegnere, attraverso una serie di semplici suggerimenti, può sovrapporre il mondo reale in tutta la sua casualità.
Vuoi addestrare il tuo modello a guidare su un'autostrada con un taxi ribaltato su due corsie? Facile.
Pensi che il tuo robotaxi dovrebbe sapere come identificare un essere umano vestito con un completo da dinosauro gonfiabile? Fatto.
L'obiettivo è dare alle aziende di autonomia, droni e robotica un maggiore controllo e una maggiore efficienza nella creazione di grandi set di dati in modo che possano addestrare i loro modelli più rapidamente e a un livello più profondo.
"Il tempo di iterazione ora va essenzialmente a quanto velocemente puoi, come ingegnere ML, pensare a ciò che vuoi e tradurlo in una chiamata API, un set di codice?" disse McNamara.
"C'è un livello quasi infinito e illimitato di cose che un cliente può digitare per un prompt e il sistema funziona." Parallel Domain annovera come clienti i principali OEM che costruiscono sistemi avanzati di assistenza alla guida (ADAS) e società di guida autonoma.
Storicamente, la startup avrebbe potuto impiegare settimane o mesi per creare set di dati basati sui parametri specifici di un cliente.
Con l'API self-service, i clienti possono formare nuovi set di dati in "quasi tempo reale", secondo McNamara.
Su scala più ampia, Data Lab potrebbe aiutare a scalare i sistemi di guida autonoma ancora più velocemente.
McNamara ha affermato che la startup ha testato alcuni modelli AV su set di dati sintetici di passeggini rispetto a set di dati reali di passeggini e ha scoperto che il modello ha funzionato meglio se addestrato su dati sintetici.
Il nuovo simulatore di Waabi potrebbe scalare più velocemente la tecnologia dei veicoli autonomi Mentre Parallel Domain non utilizza nessuna delle API AI aperte che hanno guadagnato popolarità negli ultimi mesi come ChatGPT, la startup sta costruendo componenti della sua tecnologia in cima ai grandi modelli di base che sono stati open source negli ultimi due anni.
"Cose come Stable Diffusion ci consentono di mettere a punto le nostre versioni di questi modelli di base e quindi utilizzare l'input di testo per guidare la generazione di immagini e contenuti", ha affermato McNamara, osservando che il suo team ha sviluppato stack tecnologici personalizzati per etichettare gli oggetti mentre si generano.
Parallel Domain ha inizialmente lanciato il suo motore di generazione di dati sintetici, chiamato Reactor, a maggio per uso interno e test beta con clienti fidati.
Ora che Reactor viene offerto ai clienti tramite l'API Data Lab, il modello di business di Parallel Domain probabilmente cambierà poiché i clienti preferiscono un facile accesso all'IA generativa.
La strategia commerciale della startup oggi prevede che i clienti acquistino lotti di dati e quindi utilizzino quei crediti durante tutto l'anno.
Data Lab può aiutare Parallel Domain a passare a un modello SaaS (software-as-a-service), in cui i clienti possono abbonarsi per accedere alla piattaforma e pagare in base a quanto la utilizzano, ha affermato McNamara.
L'API ha anche il potenziale per aiutare Parallel Domain a scalare in qualsiasi spazio in cui la tecnologia abilitata alla visione artificiale sta rendendo le industrie più efficienti, come l'agricoltura, la vendita al dettaglio o la produzione.
"L'abilitazione dell'intelligenza artificiale in agricoltura è vista come una delle cose più importanti che miglioreranno l'efficienza e vogliamo andare a perseguire quei casi d'uso e alla fine avere una piattaforma in cui, indipendentemente dal dominio in cui operi, se hai bisogno di addestrare un'intelligenza artificiale per vedere il mondo con una sorta di sensore, il punto da cui inizieresti è Parallel Domain ", ha affermato McNamara.
Parallel Domain afferma che la guida autonoma non si ridimensionerà senza dati sintetici L'API di Parallel Domain consente ai clienti di utilizzare l'IA generativa per creare set di dati sintetici di Rebecca Bellan originariamente pubblicato su TechCrunch