V7 obtiene $ 33 millones para la automatización de datos de capacitación para modelos de IA de visión por computadora • TechCrunch


La inteligencia artificial promete ayudar a los humanos, y tal vez incluso reemplazarlos, a completar tareas mundanas y resolver problemas que los humanos no pueden manejar, pero, irónicamente, construir esta IA enfrenta un gran problema de escala. Es tan bueno como los modelos y los datos en los que se entrena, por lo que es necesario obtener e ingerir cantidades cada vez mayores de datos. Pero anotar y editar esos datos de entrenamiento cuesta mucho tiempo y dinero, ralentiza el trabajo o la efectividad general, y quizás ambas cosas.

Una startup llamada V7 Labs cree que ha tenido un gran avance en el enfoque. Se crean efectivamente modelos de entrenamiento para automatizar el entrenamiento de estos modelos. Hoy, la empresa anuncia una financiación de 33 millones de dólares para impulsar su crecimiento después de observar una fuerte demanda de sus servicios.

El enfoque de V7 hoy está en la visión por computadora y ayudar en la identificación de objetos. Dice que puede aprender qué hacer con solo 100 ejemplos comentados por humanos.

Actualmente tiene una fuerte tracción en los campos médico y científico, donde su plataforma se utiliza para entrenar modelos de IA para, por ejemplo, acelerar la detección de cáncer y otros problemas de escaneo. V7 también está comenzando a ver actividad con tecnología y empresas expertas en tecnología que buscan cómo aplicar su tecnología en una variedad de otras aplicaciones, incluidas empresas que construyen motores para crear imágenes a partir de comandos de lenguaje natural y aplicaciones industriales. No se publica una lista completa de clientes y aquellos que evalúan su tecnología, pero la lista incluye más de 300 clientes e incluye a GE Healthcare, Paige AI y Siemens, entre otras compañías Fortune 500 y compañías privadas más grandes.

Radical Ventures y Temasek están coliderando esta ronda, con la participación de Air Street Capital, Amadeus Capital Partners y Partech (tres patrocinadores anteriores), junto con varias personas conocidas en el mundo del aprendizaje automático y la IA. Estos incluyen a Francois Chollet (el creador de Keras, la biblioteca de red neuronal Python de código abierto), Oriol Vinyals (científico investigador sénior en DeepMind), Jose Valim (creador del lenguaje de programación Elixir), Ashish Vaswani (cofundador de Adept AI, que anteriormente estuvo en Google Brain, donde inventó los Transformers) y no nombró a otros de OpenAI, Twitter y Amazon.

El director ejecutivo Alberto Rizzoli dijo en una entrevista que esta es la ronda de financiación de la Serie A más grande en esta categoría hasta la fecha y se utilizará tanto para contratar más ingenieros como para expandir las operaciones comerciales para acomodar una nueva ola de interés de los clientes con un enfoque en los EE. UU. declinó Decidió comentar sobre la valoración, pero la puesta en marcha ahora ha recaudado alrededor de $ 36 millones, y por lo que entiendo, la valoración ahora es de alrededor de $ 200 millones.

Rizzoli también se negó a discutir las cifras de ventas, pero dijo que el ARR se había triplicado en 2022

Ha habido una serie de otras empresas emergentes que han surgido para mejorar la eficiencia del entrenamiento de datos de IA y profundizar en el ámbito más amplio del modelado de IA. SuperAnnotate, que ha recaudado alrededor de $18 millones por PitchBook, es uno de los competidores más cercanos de V7. (V7 incluso detalla cómo se comparan los dos servicios). Otros incluyen Scale AI, que originalmente se centró en el sector automotriz, pero desde entonces se ha diversificado en otras áreas y ahora tiene un valor de alrededor de $ 7 mil millones; Labelbox, que trabaja con empresas como Google y otras en el etiquetado de IA; y Hive, que ahora está valorada en alrededor de $ 2 mil millones.

V7, nombrada en referencia a que la IA es la "séptima" área para procesar imágenes después de las seis áreas del cerebro humano que componen su corteza visual (V1 a V6), y las otras se basan en el hecho de que el maniquí de entrenamiento es ineficiente y puede ser mejorado.

La USP específica de V7 es la automatización. Estima que alrededor del 80 % del tiempo de un equipo de ingeniería se dedica a administrar estos datos de capacitación: etiquetar, detectar errores de etiquetado, repensar las categorizaciones, etc. Por lo tanto, desarrolló un modelo para automatizar este proceso.

Rizzoli (quien cofundó la compañía con su CTO, Simon Edwardsson) llama al proceso que desarrolló "etiquetado programático": utilizando IA de propósito general y algoritmos patentados para segmentar y etiquetar imágenes, solo requiere 100 "personas". ejemplos de etiquetado automatizado para entrar en acción.

Los inversores apuestan a que reducir el tiempo entre el desarrollo y la implementación de los modelos de IA generará más negocios para la empresa. “La visión por computadora se usa a escala en todas las industrias, brindando innovación y avances y un mercado de $ 50 mil millones en rápido crecimiento. Nuestra tesis para V7 es que la amplitud de las aplicaciones y la velocidad a la que se lanzarán nuevos productos al mercado requieren una plataforma centralizada que conecte los modelos de IA, el código y las personas en un ecosistema en bucle”, dijo Pierre Socha, socio de Amadeus Capital. Socios, en un comunicado.

V7 describe el proceso como "piloto automático", pero el copiloto podría ser más preciso: la idea es que cualquier cosa marcada como poco clara se retroalimente a los humanos para su evaluación y revisión. No reemplaza a esas personas tanto como les facilita manejar las cargas de trabajo de manera más eficiente. (A veces también puede funcionar mejor que los humanos, por lo que usar los dos juntos podría ser útil para verificar el trabajo del otro). A continuación se muestra un ejemplo de cómo funciona el entrenamiento de imágenes en un escaneo del mediodía para detectar neumonía.

Autor de la foto: laboratorios v7

Al señalar los muchos campos en los que se está utilizando la IA para mejorar el procesamiento y el uso de imágenes, Rizzoli dijo que la decisión de duplicar el campo de la medicina inicialmente fue en parte una cuestión de poner en marcha la puesta en marcha para aguantar y Centrarse en un mercado que puede necesitarlo nunca ha creado este tipo de tecnología internamente, pero definitivamente querría usarla.

"Hemos optado por centrarnos en las industrias que ya están comercializando aplicaciones basadas en IA o donde se realiza una gran cantidad de trabajo de procesamiento visual, pero por humanos", dijo. "No queríamos estar atados a lanzamientos inesperados o proyectos que se ejecutan con grandes presupuestos de I+D, porque eso significa que alguien quiere resolver completamente el problema por sí mismo, y está haciendo algo más especializado, y es posible que desee tener su propio tecnología, no". la de un tercero como nosotros".

Y junto con la búsqueda de las empresas de "su propia salsa secreta", a veces los proyectos nunca pueden ver la luz del día fuera del laboratorio, agregó Rizzoli. "Estamos trabajando en aplicaciones concretas en su lugar", dijo.

Autor de la foto: Laboratorios V7 (Se abre en una nueva ventana)

En otros aspectos, la puesta en marcha representa un cambio que estamos viendo en la forma en que las empresas recopilan y adoptan información. Los inversores creen que el marco que está construyendo V7 podría potencialmente transformar la forma en que estas empresas ingieren los datos en el futuro.

"V7 está bien posicionado para convertirse en el estándar de la industria para la gestión de datos en los flujos de trabajo modernos de IA", dijo Parasvil Patel, socio de Radical Ventures, en un comunicado. Paten se une al tablero de V7 con esta ronda.

“La cantidad de problemas que ahora se pueden resolver con IA es enorme y crece rápidamente. A medida que las empresas de todos los tamaños luchan por capitalizar estas oportunidades, necesitan datos de clase mundial e infraestructura modelo para ofrecer productos sobresalientes que mejoren continuamente y se adapten a las necesidades del mundo real”, agregó Nathan Benaich de Air Street Capital en un comunicado. “Aquí es donde brilla el motor de datos AI de V7. Independientemente de la industria o la aplicación, los clientes confían en V7 para ofrecer productos sólidos basados ​​en IA más rápido que nunca. V7 envuelve las mejores prácticas de la industria en rápida evolución en flujos de trabajo multijugador desde datos hasta modelos y productos”.

Si quieres conocer otros artículos parecidos a V7 obtiene $ 33 millones para la automatización de datos de capacitación para modelos de IA de visión por computadora • TechCrunch puedes visitar la categoría Noticias.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Subir