El camino de Scale AI para convertirse en una empresa de 7.3 mil millones se basó con datos reales de imágenes, texto, voz y video. Ahora, está utilizando esa base para entrar en el negocio de los datos sintéticos, una de las categorías más populares y emergentes en IA.
Anunciaron un programa de acceso anticipado a Escala sintética, un producto que los ingenieros de aprendizaje automático pueden usar para mejorar sus conjuntos de datos existentes del mundo real, según la compañía. Scale contrató a dos ejecutivos para desarrollar esta nueva división de su negocio. Scale incorporó a Joel Kronander, que anteriormente dirigió el aprendizaje automático en Nines y fue un ex ingeniero de imagen en Apple que trabajaba en mapeo 3D, como su nuevo jefe en datos sintéticos. La empresa también contrató a Vivek Raju Muppalla como su director de servicios sintéticos. Muppalla fue anteriormente director de ingeniería de IA y simulación en Unity Technologies.
Los datos sintéticos son lo que parecen: datos falsos creados por algoritmos de aprendizaje automático en lugar de utilizar información del mundo real. Es una herramienta potente y útil para generar datos, como imágenes médicas, cuando la privacidad es una problema clave. Los desarrolladores pueden usar estos datos sintéticos para agregar más complejidad a sus modelos de aprendizaje y ayudar a eliminar los sesgos que a menudo se pueden encontrar en los conjuntos de datos del mundo real.
Scale empezó combinando datos con imágenes reales, texto, voz y video etiquetados por el equipo para ofrecer a las empresas de vehículos autónomos los datos necesarios para entrenar sus modelos de aprendizaje automático y para desarrollar e implementar robotaxis, camiones autónomos y bots automatizados utilizados en almacenes y en- entregas logísticas. Desde entonces, la startup se ha transformado en una empresa de plataforma de gestión de datos con clientes que abarcan industrias gubernamentales, financieras, de comercio electrónico, de vehículos autónomos y empresariales.
El fundador y director ejecutivo, Alexandr Wang, describió su nueva oferta como un enfoque híbrido de los datos, similar a la carne creada en laboratorio.
“Comenzamos con datos reales, al igual que la carne cruda de laboratorio comienza a partir de células animales reales, y luego crecemos, iteramos y creamos el producto a partir de ahí”. Al usar datos reales como fuente para crear datos sintéticos, la compañía puede ofrecer una oferta realmente única y potente para los clientes, dijo Wang.
Los clientes de Scale vieron esta oportunidad. El impulso de la compañía hacia los datos sintéticos fue en respuesta a la demanda de sus clientes, dijo Wang a TechCrunch, y comentó que comenzaron a desarrollar el producto hace menos de un año. El desarrollador de tecnología de vehículos autónomos Kodiak Robotics, Tractable AI y el Departamento de Defensa de EE. UU. han seleccionado a Scale para su nuevo producto de datos sintéticos, dijo Wang.
Scale, que actualmente emplea a unos 450 empleados, considera que los datos sintéticos son una prioridad en 2022 y un área en la que continuará invirtiendo a medida que desarrolla su línea de productos. Pero eso no significa que dejarán el negocio de los datos reales. Wang ve los datos sintéticos como una herramienta complementaria que ayudará a los desarrolladores a “obtener más por su inversión en algoritmos e IA.
Por ejemplo, las empresas de vehículos autónomos suelen utilizar la simulación para recrear escenarios del mundo real y reproducirlos para ver cómo los usará el sistema autónomo. Pero es posible que los datos del mundo real no proporcionen los escenarios buscados.
“No te encuentras con situaciones en el mundo real con demasiada frecuencia donde podría haber, digamos, 100 ciclistas cruzando a la vez”, explicó Wang. “Podemos comenzar con datos del mundo real y luego agregar sintéticamente a todos los ciclistas o a todas las personas y luego, de esa manera, se puede entrenar el algoritmo correctamente”.
