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

dominio paralelo pone en manos de sus clientes la capacidad de generar conjuntos de datos sintéticos. La startup con sede en San Francisco lanzó una nueva API llamada Laboratorio de datos que descansa sobre los hombros de gigantes de IA generativa, dando 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 de Python que genera conjuntos de datos”, dijo Kevin McNamara, fundador y director ejecutivo de Parallel Domain, en TechCrunch.

Data Lab permite a los ingenieros generar objetos que antes no estaban disponibles en la biblioteca de activos de la startup. La API utiliza la simulación 3D para proporcionar una base sobre la cual un ingeniero, a través de una serie de indicaciones simples, puede superponer el mundo real en toda su aleatoriedad. ¿Quiere entrenar a su modelo para conducir en una autopista con un taxi volcado en dos carriles? Fácil. ¿Crees que tu robotaxi debería saber cómo identificar a un humano con un traje de dinosaurio inflable? Hacer.

El objetivo es dar a las empresas de autonomía, drones y robótica más control y 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 básicamente ¿qué tan rápido puede usted, como ingeniero de ML, pensar en lo que quiere y traducirlo en una llamada API, un conjunto de código?» dijo McNamara. «Hay un nivel casi infinito e ilimitado de cosas que un cliente puede ingresar para un aviso, y el sistema simplemente funciona».

Los clientes de Parallel Domain incluyen importantes fabricantes de equipos originales que construyen sistemas avanzados de asistencia al conductor (ADAS) y empresas de vehículos autónomos. Históricamente, a veces tomaba semanas o meses de inicio crear conjuntos de datos basados ​​en los parámetros específicos de un cliente. Con la API de autoservicio, los clientes pueden crear nuevos conjuntos de datos «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 algunos modelos AV en conjuntos de datos de cochecitos sintéticos contra conjuntos de datos de cochecitos reales, y descubrió que el modelo funcionaba mejor cuando se entrenaba con datos sintéticos.

Si bien Parallel Domain no utiliza ninguna de las API abiertas de IA que han ganado popularidad en los últimos meses, como ChatGPT, la startup crea componentes de su tecnología sobre los excelentes modelos básicos que han sido de código abierto durante los últimos dos años.

“Cosas como Stable Diffusion nos permiten ajustar nuestras propias versiones de estos modelos base 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 etiquetar objetos a medida que se generan.

Parallel Domain lanzó originalmente 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 lotes de datos y luego usen esos créditos durante todo el año. Data Lab puede ayudar a Parallel Domain a pasar a un modelo de software como servicio (SaaS), donde los clientes pueden suscribirse para acceder a la plataforma y pagar en función de su uso, dijo McNamara.

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

“Habilitar la IA en la agricultura se considera una de las cosas más importantes que mejorarán la eficiencia, y queremos ir tras esos casos de uso y, finalmente, tener una plataforma en la que, sea cual sea el dominio en el que opere, si necesita entrenar una IA para ver el mundo con algún tipo de sensor, el punto de partida es Parallel Domain”, dijo McNamara.