La piattaforma MLOps Landing AI raccoglie 57 milioni di dollari per aiutare i produttori ad adottare la visione artificiale
Landing AI , con sede a Palo Alto, California , la startup AI guidata da Andrew Ng, il cofondatore di Google Brain, una delle divisioni di ricerca AI di Google, ha annunciato oggi di aver raccolto 57 milioni di dollari in un round di finanziamento di serie A guidato da McRock Capital. Inoltre, hanno partecipato Insight Partners, Taiwania Capital, Canadian Pension Plan Investment Board, Intel Capital, Samsung Catalyst Fund, DRIVE Catalyst del Far Eastern Group, Walsin Lihwa e AI Fund, portando il totale di Landing AI a circa 100 milioni di dollari.
L’aumento dell’uso dell’IA nel settore manifatturiero si integra con l’adozione della digitalizzazione da parte del più ampio settore aziendale. Secondo Google Cloud, il 76% delle aziende manifatturiere si è rivolto a dati e analisi, cloud e tecnologie di intelligenza artificiale a causa della pandemia. Poiché le sfide indotte dalla pandemia ingarbugliano la catena di approvvigionamento, compresa la carenza di manodopera qualificata e le interruzioni dei trasporti , è probabile che l’adozione dell’IA acceleri. Deloitte riferisce che il 93% delle aziende ritiene che l’IA sarà una componente fondamentale nel guidare la crescita e l’innovazione nel settore manifatturiero.
Landing AI è stata fondata nel 2o17 da Ng, professore a contratto a Stanford, precedentemente professore associato e direttore dello Stanford AI Lab dell’università. Il prodotto di punta di Landing AI è LandingLens, una piattaforma che consente alle aziende di creare, iterare e distribuire soluzioni di ispezione visiva basate sull’intelligenza artificiale per la produzione.
“L’intelligenza artificiale trasformerà le industrie, ma ciò significa che deve funzionare con tutti i tipi di aziende, non solo con quelle con milioni di punti dati da alimentare nei motori di intelligenza artificiale. I problemi di produzione hanno spesso dozzine o centinaia di punti dati. LandingLens è progettato per funzionare anche su questi piccoli problemi di dati”, ha detto Ng a VentureBeat via e-mail. “Nell’Internet consumer, un singolo sistema di intelligenza artificiale monolitico può servire miliardi di utenti. Ma nella produzione, ogni stabilimento di produzione potrebbe aver bisogno del proprio modello di intelligenza artificiale. Consentendo agli esperti di dominio, anziché solo agli esperti di intelligenza artificiale, di creare questi sistemi di intelligenza artificiale, LandingLens sta democratizzando l’accesso all’intelligenza artificiale all’avanguardia”.
Ng, che in precedenza è stato capo scienziato presso Baidu , è un imprenditore attivo nel settore dell’intelligenza artificiale. Dopo aver lasciato Baidu, ha lanciato un curriculum online di lezioni incentrate sull’apprendimento automatico chiamato DeepLearning.ai, e subito dopo ha incorporato la società Landing AI .
Mentre era a Stanford, Ng ha avviato Stanford Engineering Everywhere, un compendio di corsi online disponibili gratuitamente, che è servito come base per Coursera . Ng è attualmente presidente della startup di terapia cognitivo comportamentale di intelligenza artificiale Woebot ; ha fatto parte del consiglio di amministrazione della società di auto senza conducente di proprietà di Apple Drive.ai e ha scritto diverse guide e corsi di formazione online che mirano a demistificare l’intelligenza artificiale per i dirigenti aziendali.
Tre anni fa, Ng ha presentato l’AI Fund , un incubatore da 175 milioni di dollari che sostiene piccoli team di esperti che cercano di risolvere problemi chiave utilizzando l’intelligenza artificiale. In un post su Medium che annunciava il fondo, che è stato uno dei primi investitori in Landing AI, Ng ha scritto di voler “sviluppare processi sistematici e ripetibili per avviare e perseguire nuove opportunità di intelligenza artificiale”.
MLOps
Landing AI si concentra su MLOps , la disciplina che prevede la collaborazione tra data scientist e professionisti IT con l’obiettivo di produrre sistemi di intelligenza artificiale. Un composto di “apprendimento automatico” e “operazioni informatiche”, il mercato di tali soluzioni potrebbe crescere da un nascente $ 350 milioni a $ 4 miliardi entro il 2025, secondo Cognilytica.
LandingLens fornisce strumenti di ispezione visiva low-code e no-code che consentono agli ingegneri di visione artificiale di addestrare, testare e distribuire sistemi di intelligenza artificiale a dispositivi edge come i laptop. Gli utenti creano un “libro dei difetti” e caricano i propri file multimediali. Dopo aver etichettato i dati, possono dividerli in sottoinsiemi di “addestramento” e “convalida” per creare e valutare un modello prima di distribuirlo in produzione.
Sopra: dashboard di sviluppo di Landing AI.
I set di dati etichettati, come le immagini annotate con didascalie, espongono i modelli ai sistemi di intelligenza artificiale, dicendo in effetti alle macchine cosa cercare nei set di dati futuri. I set di dati di addestramento sono i campioni utilizzati per creare il modello, mentre i set di dati di test vengono utilizzati per misurarne le prestazioni e l’accuratezza.
“Ad esempio… [Landing AI] può aiutare i produttori a identificare più prontamente i difetti lavorando con i piccoli set di dati che le aziende hanno… o individuare modelli in un’infarinatura di diagnosi sanitarie”, ha spiegato un portavoce di Landing AI a VentureBeat via e-mail. “Superare il pregiudizio dei “big data” per concentrarsi invece sui “buoni dati” – il cibo per l’intelligenza artificiale – sarà fondamentale per sbloccare il potere dell’intelligenza artificiale in un numero sempre maggiore di settori”.
Sul suo sito Web, Landing AI propone LandingLens come una soluzione su misura per OEM, integratori di sistemi e distributori per valutare l’efficacia del modello per una singola app o come parte di una soluzione ibrida, combinata con i sistemi tradizionali. Nella produzione, Landing AI supporta casi come l’ispezione dell’assemblaggio, il monitoraggio dell’elaborazione e l’analisi della causa principale. Ma la piattaforma può anche essere utilizzata per sviluppare modelli in settori come quello automobilistico, elettronico, agricolo, al dettaglio, in particolare per attività che comportano l’ispezione del vetro e delle saldature, l’ispezione di wafer e stampi, il prelievo e il diserbo automatizzati, identificando modelli e tendenze per generare informazioni sui clienti.
“Un approccio AI incentrato sui dati [come quello di Landing AI] comporta la creazione di sistemi di intelligenza artificiale con dati di qualità, con l’obiettivo di garantire che i dati trasmettano chiaramente ciò che l’intelligenza artificiale deve imparare”, scrive Landing AI sul suo sito web. “I responsabili della qualità, gli esperti in materia e gli sviluppatori possono lavorare insieme durante il processo di sviluppo per raggiungere un consenso su difetti ed etichette, costruire un modello per analizzare i risultati per apportare ulteriori ottimizzazioni… Ulteriori vantaggi dell’IA incentrata sui dati includono la possibilità per i team di sviluppare metodi coerenti per la raccolta e l’etichettatura delle immagini e per l’addestramento, l’ottimizzazione e l’aggiornamento dei modelli… Il flusso di lavoro di apprendimento approfondito dell’IA di Landing AI semplifica lo sviluppo di soluzioni di macchine automatizzate che identificano, classificano e classificano i difetti migliorando al contempo la resa di produzione.
Con oltre l’82% delle aziende che afferma che lo sviluppo di app personalizzate al di fuori dell’IT è importante, Gartner prevede che il 65% di tutte le app, comprese le app basate sull’intelligenza artificiale, verrà creato utilizzando piattaforme low-code entro il 2024. Un altro studio riporta che l’85% su 500 ingegneri leader pensa che il low-code sarà all’ordine del giorno all’interno delle proprie organizzazioni già dalla fine di quest’anno, mentre un terzo prevede che il mercato del low-code e no-code salirà tra i 58,8 miliardi di dollari e i 125,4 miliardi di dollari nel 2027 .
Landing AI compete con Iterative.ai, Comet, Domino Data Lab e altri nel fiorente segmento MLOps e machine learning lifecycle management. Ma investitori come George Mathew di Insight Partners credono che la piattaforma della startup offra abbastanza per differenziarla dal resto del branco. I clienti di Landing AI includono lo sviluppatore di batterie QuantumScape e la società di scienze biologiche Ligand Pharmaceuticals, che afferma di utilizzare LandingLens per migliorare le sue tecnologie di screening cellulare. Il gigante manifatturiero Foxconn è un altro cliente: Ng afferma che Landing AI collabora da giugno 2017 per “sviluppare tecnologie, talenti e sistemi di intelligenza artificiale che si basano sulle competenze chiave delle due società”.
“La modernizzazione digitale della produzione è in rapida crescita e si prevede che raggiungerà i 300 miliardi di dollari entro il 2023″, ha spiegato Mathew in un comunicato stampa. “L’opportunità e la necessità di Landing AI stanno solo esplodendo. Sbloccherà il segmento non sfruttato di progetti mirati di visione artificiale che affrontano qualità, efficienza e output. Non vediamo l’ora di svolgere un ruolo nella prossima fase dell’entusiasmante viaggio di Landing AI”.
