Parallel Domain vkládá schopnost generovat syntetické datové sady do rukou svých zákazníků. Startup se sídlem v San Francisku spustil nové API nazvané Data Lab, které stojí na ramenou generativních gigantů AI a poskytuje inženýrům strojového učení kontrolu nad dynamickými virtuálními světy, aby mohli simulovat jakýkoli představitelný scénář.
„Vše, co musíte udělat, je přejít na GitHub, nainstalovat API a pak můžete začít psát kód Pythonu, který generuje datové sady,“ řekl Kevin McNamara, zakladatel a generální ředitel Parallel Domain, pro TechCrunch.
Data Lab umožňuje inženýrům generovat objekty, které dříve nebyly dostupné v knihovně aktiv startupu. Rozhraní API využívá 3D simulaci, aby poskytlo základ, na kterém může inženýr pomocí řady jednoduchých pokynů navrstvit skutečný svět v celé jeho náhodnosti. Chcete trénovat svůj model na jízdu po dálnici s kabinou převrácenou přes dva jízdní pruhy? Snadný. Myslíte si, že váš robotaxi by měl vědět, jak identifikovat člověka oblečeného v nafukovacím dinosauřím oblečení? Hotovo.
Cílem je poskytnout společnostem zabývajícím se autonomií, drony a robotikou větší kontrolu a větší efektivitu při vytváření velkých datových sad, aby mohly své modely trénovat rychleji a na hlubší úrovni.
“Doba iterace nyní v podstatě závisí na tom, jak rychle můžete jako inženýr ML myslet na to, co chcete, a přeložit to do volání API, sady kódu?” řekl McNamara. “Existuje téměř nekonečná, neomezená úroveň věcí, které by zákazník mohl zadat pro výzvu, a systém prostě funguje.”
Parallel Domain počítá mezi zákazníky velké výrobce OEM, kteří vytvářejí pokročilé asistenční systémy (ADAS) a společnosti s autonomním řízením. Historicky to mohlo trvat týdny nebo měsíce, než spuštění vytvořilo datové sady na základě specifických parametrů zákazníka. Díky samoobslužnému API mohou zákazníci podle McNamara vytvářet nové datové sady v „téměř reálném čase“.
Ve větším měřítku by Data Lab mohla pomoci škálovat systémy autonomního řízení ještě rychleji. McNamara uvedl, že startup testoval určité AV modely na syntetických datových sadách kočárků proti skutečným datovým sadám kočárků a zjistil, že model fungoval lépe, když byl trénován na syntetických datech.
Zatímco Parallel Domain nepoužívá žádné z OpenAI API, které si v posledních měsících získalo popularitu, jako je ChatGPT, startup staví komponenty své technologie na velkých základových modelech, které byly v posledních několika letech otevřeny.
„Věci jako Stable Diffusion nám umožňují vyladit naše vlastní verze těchto základních modelů a poté použít textový vstup k řízení generování obrázků a obsahu,“ řekl McNamara s tím, že jeho tým vyvinul vlastní technologické balíčky pro označování objektů při jejich vytváření.
Parallel Domain původně v květnu spustila svůj engine pro generování syntetických dat nazvaný Reactor pro interní použití a beta testování s důvěryhodnými zákazníky. Nyní, když je Reactor nabízen zákazníkům prostřednictvím rozhraní Data Lab API, obchodní model Parallel Domain se pravděpodobně změní, protože zákazníci preferují snadný přístup ke generativní umělé inteligenci.
Obchodní strategie startupu dnes zahrnuje zákazníky, kteří nakupují množství dat a poté tyto kredity využívají po celý rok. Data Lab může pomoci Parallel Domain přejít na model softwaru jako služby (SaaS), kde si zákazníci mohou předplatit přístup k platformě a platit podle toho, kolik ji využívají, řekl McNamara.
API má také potenciál pomoci paralelní doméně rozšířit se do jakéhokoli prostoru, kde technologie s podporou počítačového vidění zefektivňuje průmyslová odvětví, jako je zemědělství, maloobchod nebo výroba.
„Umožnění umělé inteligence v zemědělství je považováno za jednu z největších věcí, které zlepší efektivitu, a my chceme tyto případy použití pronásledovat a nakonec mít platformu, kde bez ohledu na to, v jaké doméně působíte, pokud potřebujete trénovat umělou inteligenci. Chcete-li vidět svět pomocí nějakého senzoru, místo, kde byste začali, je Paralelní doména,“ řekl McNamara.