Il modo di Scala AI per diventare un'azienda da 7.3 miliardi di dollari, ha fatto affidamento su dati di immagini, testo, voce e video reali. Ora sta usando questa base per entrare nel business dei dati sintetici, una delle categorie più popolari ed emergenti nell'IA.
Hanno annunciato un programma di accesso anticipato a scala sintetica, un prodotto che gli ingegneri di machine learning possono utilizzare per migliorare i loro set di dati reali esistenti, secondo l'azienda. Scale ha assunto due dirigenti per sviluppare questa nuova divisione della loro attività. Scala ha coinvolto Joel Kronander, che in precedenza ha guidato l'apprendimento automatico presso Nines ed era un ex ingegnere di imaging presso Apple che lavorava sulla mappatura 3D, come nuovo capo dei dati sintetici. La società ha anche assunto Vivek Raju Muppalla come direttore dei servizi sintetici. Muppalla è stato in precedenza direttore dell'intelligenza artificiale e dell'ingegneria della simulazione presso Unity Technologies.
I dati sintetici sono quello che sembrano: dati falsi creati da algoritmi di apprendimento automatico invece di utilizzare informazioni del mondo reale. È uno strumento potente e utile per generare dati, come immagini mediche, quando la privacy è una questione fondamentale. Gli sviluppatori possono utilizzare questi dati sintetici per aggiungere più complessità ai loro modelli di apprendimento e aiutare a rimuovere i pregiudizi che spesso si trovano nei set di dati del mondo reale.
Scala iniziato combinando i dati con immagini reali, testo, voce e video taggati dal team per fornire alle aziende di veicoli autonomi i dati necessari per addestrare i loro modelli di apprendimento automatico e per sviluppare e distribuire robotassi, camion autonomi e robot automatizzati utilizzati nei magazzini e magazzini, consegne interne alla logistica. Da allora la startup si è trasformata in una società di piattaforma di gestione dei dati con clienti che abbracciano i settori governativo, finanziario, e-commerce, dei veicoli autonomi e aziendali.
Il fondatore e CEO Alexandr Wang ha descritto la sua nuova offerta come un approccio ibrido ai dati, simile alla carne coltivata in laboratorio.
"Iniziamo con dati reali, proprio come la carne cruda di laboratorio parte da cellule animali reali, quindi cresciamo, ripetiamo e creiamo il prodotto da lì". Utilizzando i dati reali come fonte per creare dati sintetici, l'azienda può offrire un'offerta davvero unica e potente per i clienti, ha affermato Wang.
Clienti Scala Hanno visto questa opportunità. La spinta dell'azienda verso i dati sintetici è stata in risposta alla domanda dei suoi clienti, ha detto Wang a TechCrunch, osservando che hanno iniziato a sviluppare il prodotto meno di un anno fa. Lo sviluppatore autonomo di tecnologia per veicoli Kodiak Robotics, Tractable AI e il Dipartimento della Difesa degli Stati Uniti hanno selezionato Scala per il suo nuovo prodotto di dati sintetici, ha detto Wang.
Scala, che attualmente impiega circa 450 dipendenti, considera i dati sintetici una priorità nel 2022 e un'area in cui continuerà a investire mentre sviluppa la sua linea di prodotti. Ma ciò non significa che lasceranno il vero business dei dati. Wang vede i dati sintetici come uno strumento complementare che aiuterà gli sviluppatori a "ottenere di più dai loro investimenti in algoritmi e intelligenza artificiale.
Ad esempio, le aziende di veicoli autonomi utilizzano spesso la simulazione per ricreare scenari del mondo reale e riprodurli per vedere come li utilizzerà il sistema autonomo. Ma i dati del mondo reale potrebbero non fornire gli scenari desiderati.
"Non ci si imbatte in situazioni del mondo reale troppo spesso in cui potrebbero esserci, diciamo, 100 ciclisti che attraversano contemporaneamente", ha spiegato Wang. "Possiamo iniziare con dati del mondo reale e quindi aggiungere sinteticamente tutti i ciclisti o tutte le persone ." e quindi, in questo modo, puoi addestrare correttamente l'algoritmo."
