La API de Parallel Domain permite a los clientes usar IA generativa para crear conjuntos de datos sintéticos

dominio paralelo pone la capacidad de generar conjuntos de datos sintéticos en manos de sus clientes. La startup con sede en San Francisco ha lanzado una nueva API llamada Data Lab, que se asienta sobre los hombros de los gigantes de la IA generativa y brinda a los ingenieros de aprendizaje automático control sobre mundos virtuales dinámicos para simular cualquier escenario imaginable.

"Todo lo que tiene que hacer es ir a GitHub, instalar la API y luego comenzar a escribir el código Python que genera registros", dijo a TechCrunch Kevin McNamara, fundador y director ejecutivo de Parallel Domain.

Con Data Lab, los ingenieros pueden generar objetos que antes no estaban disponibles en la biblioteca de activos de la startup. La API utiliza simulación 3D para proporcionar una base sobre la cual un ingeniero puede superponer el mundo real, en toda su aleatoriedad, a través de una serie de indicaciones simples. ¿Quiere enseñarle a su modelo a cruzar dos carriles en una autopista con la cabina boca abajo? Simplemente. ¿Crees que tu taxi robot debería saber cómo detectar a un humano con un traje de dinosaurio inflable? Terminado.

El objetivo es dar a las empresas de autonomía, drones y robótica más control y más eficiencia en la construcción de grandes conjuntos de datos para que puedan entrenar sus modelos más rápido y a un nivel más profundo.

"El tiempo de iteración ahora es esencialmente qué tan rápido usted, como ingeniero de ML, puede pensar en lo que quiere y traducirlo en una llamada API, un conjunto de código", dijo McNamara. "Hay casi una cantidad infinita de cosas que un cliente puede escribir en un aviso, y el sistema simplemente funciona".

Los clientes de Parallel Domain incluyen grandes OEM que desarrollan sistemas avanzados de asistencia al conductor (ADAS) y empresas de conducción autónoma. En el pasado, la puesta en marcha podía tardar semanas o meses en crear registros basados ​​en los parámetros específicos de un cliente. La API de autoservicio permite a los clientes crear nuevos registros "casi en tiempo real", según McNamara.

A mayor escala, Data Lab podría ayudar a escalar los sistemas de conducción autónoma aún más rápido. McNamara dijo que la puesta en marcha probó modelos AV específicos utilizando conjuntos de datos sintéticos de cochecitos de bebé frente a conjuntos de datos reales de cochecitos de bebé y descubrió que el modelo funcionaba mejor cuando se entrenaba con datos sintéticos.

Si bien Parallel Domain no usa ninguna de las API abiertas de IA que han ganado popularidad en los últimos meses, como B. ChatGPT, la startup construye componentes de su tecnología sobre los grandes modelos básicos que han estado disponibles como código abierto en los últimos años.

"Cosas como la difusión estable nos permiten refinar nuestras propias versiones de estos modelos básicos y luego usar la entrada de texto para impulsar la generación de imágenes y contenido", dijo McNamara, y señaló que su equipo desarrolló pilas de tecnología personalizadas para transformar objetos durante su generación de marcas.

Parallel Domain lanzó inicialmente su motor de generación de datos sintéticos llamado Reactor en mayo para uso interno y pruebas beta con clientes de confianza. Ahora que Reactor se ofrece a los clientes a través de la API de Data Lab, es probable que el modelo comercial de Parallel Domain cambie, ya que los clientes prefieren un acceso fácil a la IA generativa.

La estrategia comercial de la startup hoy es que los clientes compren cuotas de datos y luego usen esos créditos durante todo el año. Data Lab puede ayudar a Parallel Domain en la transición a un modelo de software como servicio (SaaS), donde los clientes pueden suscribirse para acceder a la plataforma y pagar según el uso, dijo McNamara.

La API también tiene el potencial de ayudar a Parallel Domain a escalar en cualquier área donde la tecnología de visión artificial esté haciendo que las industrias sean más eficientes, como la agricultura, el comercio minorista o la fabricación.

"La habilitación de la IA para la agricultura se considera una de las cosas más importantes que mejorarán la eficiencia y queremos seguir esos casos de uso y, finalmente, tener una plataforma donde pueda entrenar una IA sin importar en qué campo se encuentre. "Para ver el mundo con algún tipo de sensor, comenzaría con Parallel Domain", dijo McNamara.