Parallele Domäne legt seinen Kunden die Fähigkeit zur Generierung synthetischer Datensätze in die Hand. Das in San Francisco ansässige Startup hat eine neue API namens „ Datenlabor das auf den Schultern generativer KI-Giganten steht und Ingenieuren für maschinelles Lernen die Kontrolle über dynamische virtuelle Welten gibt, um jedes erdenkliche Szenario zu simulieren.
„Alles, was Sie tun müssen, ist, zu GitHub zu gehen, die API zu installieren und dann mit dem Schreiben von Python-Code zu beginnen, der Datensätze generiert“, sagte Kevin McNamara, Gründer und CEO von Parallel Domain, gegenüber Tech.
Mit Data Lab können Ingenieure Objekte generieren, die zuvor nicht in der Asset-Bibliothek des Startups verfügbar waren. Die API verwendet 3D-Simulation, um eine Grundlage zu schaffen, auf der ein Ingenieur durch eine Reihe einfacher Eingabeaufforderungen die reale Welt in all ihrer Zufälligkeit darüber legen kann. Möchten Sie Ihrem Modell beibringen, auf einer Autobahn mit umgedrehtem Führerhaus über zwei Fahrspuren zu fahren? Einfach. Denken Sie, Ihr Robotertaxi sollte wissen, wie man einen Menschen erkennt, der ein aufblasbares Dinosaurier-Outfit trägt? Erledigt.
Ziel ist es, Autonomie-, Drohnen- und Robotikunternehmen mehr Kontrolle über und mehr Effizienz beim Aufbau großer Datensätze zu geben, damit sie ihre Modelle schneller und auf einer tieferen Ebene trainieren können.
„Die Iterationszeit geht jetzt im Wesentlichen davon aus, wie schnell Sie als ML-Ingenieur über das nachdenken, was Sie wollen, und es in einen API-Aufruf, einen Satz Code, übersetzen können?“ sagte McNamara. „Es gibt nahezu unendlich viele Dinge, die ein Kunde für eine Eingabeaufforderung eingeben könnte, und das System funktioniert einfach.“
Zu den Kunden von Parallel Domain zählen große OEMs, die fortschrittliche Fahrerassistenzsysteme (ADAS) entwickeln, sowie Unternehmen für autonomes Fahren. In der Vergangenheit konnte es Wochen oder Monate dauern, bis das Startup Datensätze basierend auf den spezifischen Parametern eines Kunden erstellt hatte. Mit der Self-Service-API können Kunden laut McNamara neue Datensätze „nahezu in Echtzeit“ erstellen.
In größerem Maßstab könnte Data Lab dazu beitragen, autonome Fahrsysteme noch schneller zu skalieren. McNamara sagte, das Startup habe bestimmte AV-Modelle anhand synthetischer Datensätze von Kinderwagen im Vergleich zu realen Datensätzen von Kinderwagen getestet und festgestellt, dass das Modell eine bessere Leistung erziele, wenn es mit synthetischen Daten trainiert werde.
Während Parallel Domain keine der offenen KI-APIs verwendet, die in den letzten Monaten an Popularität gewonnen haben, wie z. B. ChatGPT, baut das Startup Komponenten seiner Technologie auf den großen Basismodellen auf, die in den letzten Jahren als Open Source verfügbar waren.
„Dinge wie Stable Diffusion ermöglichen es uns, unsere eigenen Versionen dieser Grundmodelle zu verfeinern und dann Texteingaben zu verwenden, um die Bild- und Inhaltsgenerierung voranzutreiben“, sagte McNamara und bemerkte, dass sein Team benutzerdefinierte Tech-Stacks entwickelt habe, um Objekte während ihrer Generierung zu kennzeichnen.
Parallel Domain brachte seine Engine zur Generierung synthetischer Daten namens Reactor zunächst im Mai für den internen Gebrauch und Betatests mit vertrauenswürdigen Kunden auf den Markt. Da Reactor nun Kunden über die Data Lab-API angeboten wird, wird sich das Geschäftsmodell von Parallel Domain wahrscheinlich ändern, da Kunden einen einfachen Zugang zu generativer KI bevorzugen.
Die kommerzielle Strategie des Startups besteht heute darin, dass Kunden Datenkontingente kaufen und diese Credits dann das ganze Jahr über nutzen. Data Lab kann Parallel Domain bei der Umstellung auf ein Software-as-a-Service-Modell (SaaS) unterstützen, bei dem Kunden den Zugriff auf die Plattform abonnieren und je nach Nutzung bezahlen können, sagte McNamara.
Die API hat auch das Potenzial, Parallel Domain bei der Skalierung in alle Bereiche zu unterstützen, in denen Computer-Vision-Technologie Industrien effizienter macht, etwa in der Landwirtschaft, im Einzelhandel oder in der Fertigung.
„Die KI-Befähigung der Landwirtschaft gilt als eines der größten Dinge, die die Effizienz verbessern werden, und wir wollen diese Anwendungsfälle verfolgen und schließlich eine Plattform haben, auf der Sie eine KI trainieren können, egal in welchem Bereich Sie tätig sind.“ „Um die Welt mit einer Art Sensor zu sehen, würde man mit Parallel Domain beginnen“, sagte McNamara.