O caminho de Escala AI para se tornar uma empresa de US$ 7.3 bilhões, contou com dados reais de imagem, texto, voz e vídeo. Agora, está usando essa base para entrar no negócio de dados sintéticos, uma das categorias mais populares e emergentes em IA.
Eles anunciaram um programa de acesso antecipado para escala sintética, um produto que os engenheiros de aprendizado de máquina podem usar para melhorar seus conjuntos de dados existentes do mundo real, de acordo com a empresa. A Scale contratou dois executivos para desenvolver essa nova divisão de seus negócios. Escala trouxe Joel Kronander, que anteriormente liderou o aprendizado de máquina na Nines e era um ex-engenheiro de imagem da Apple trabalhando em mapeamento 3D, como seu novo chefe de dados sintéticos. A empresa também contratou Vivek Raju Muppalla como seu diretor de serviços sintéticos. Muppalla foi anteriormente diretor de IA e engenharia de simulação na Unity Technologies.
Dados sintéticos são o que parecem: dados falsos criados por algoritmos de aprendizado de máquina em vez de usar informações do mundo real. É uma ferramenta poderosa e útil para gerar dados, como imagens médicas, quando a privacidade é uma questão fundamental. Os desenvolvedores podem usar esses dados sintéticos para adicionar mais complexidade aos seus modelos de aprendizado e ajudar a remover vieses que geralmente podem ser encontrados em conjuntos de dados do mundo real.
Escala começou combinando dados com imagens reais, texto, voz e vídeo marcados pela equipe para fornecer às empresas de veículos autônomos os dados necessários para treinar seus modelos de aprendizado de máquina e desenvolver e implantar robotaxis, caminhões autônomos e bots automatizados usados em armazéns e armazéns, entregas em logística. Desde então, a startup se transformou em uma empresa de plataforma de gerenciamento de dados com clientes que abrangem setores governamentais, financeiros, comércio eletrônico, veículos autônomos e empresas.
O fundador e CEO Alexandr Wang descreveu sua nova oferta como uma abordagem híbrida aos dados, semelhante à carne cultivada em laboratório.
“Começamos com dados reais, assim como a carne crua de laboratório começa a partir de células animais reais, e então crescemos, iteramos e criamos o produto a partir daí”. Ao usar dados reais como fonte para criar dados sintéticos, a empresa pode oferecer uma oferta verdadeiramente única e poderosa para os clientes, disse Wang.
Clientes de Escala Eles viram essa oportunidade. A investida da empresa em dados sintéticos foi uma resposta à demanda de seus clientes, disse Wang ao TechCrunch, observando que eles começaram a desenvolver o produto há menos de um ano. Kodiak Robotics, desenvolvedora de tecnologia de veículos autônomos, Tractable AI e o Departamento de Defesa dos EUA selecionaram Escala para seu novo produto de dados sintéticos, disse Wang.
Escala, que atualmente emprega cerca de 450 funcionários, vê os dados sintéticos como uma prioridade em 2022 e uma área em que continuará investindo à medida que desenvolve sua linha de produtos. Mas isso não significa que eles deixarão o negócio de dados real. Wang vê os dados sintéticos como uma ferramenta complementar que ajudará os desenvolvedores a “obter mais por seu investimento em algoritmos e IA.
Por exemplo, as empresas de veículos autônomos costumam usar simulação para recriar cenários do mundo real e reproduzi-los para ver como o sistema autônomo os usará. Mas os dados do mundo real podem não fornecer os cenários desejados.
"Você não se depara com situações do mundo real com muita frequência, onde pode haver, digamos, 100 ciclistas atravessando ao mesmo tempo", explicou Wang. "Podemos começar com dados do mundo real e adicionar sinteticamente todos os ciclistas ou todas as pessoas ." e então, dessa forma, você pode treinar o algoritmo corretamente.”
