La startup Parallel Domain, con sede a San Francisco, ha recentemente lanciato una nuova API chiamata Data Lab. Questa innovativa soluzione consente agli ingegneri di machine learning di generare set di dati sintetici. Utilizzando la simulazione 3D, l’API fornisce una base sulla quale gli ingegneri possono sovrapporre il mondo reale con tutte le sue peculiarità casuali. L’obiettivo principale è fornire alle aziende attive nel settore dell’autonomia, dei droni e della robotica un maggiore controllo e una maggiore efficienza nella creazione di grandi set di dati. In questo modo, potranno addestrare i loro modelli in modo più rapido ed approfondito.
Data Lab permette agli ingegneri di generare oggetti che non erano precedentemente disponibili nella libreria di risorse della startup. Attraverso la simulazione 3D, gli ingegneri possono sovrapporre il mondo reale utilizzando una serie di semplici indicazioni. Secondo Kevin McNamara, fondatore e CEO di Parallel Domain, i clienti possono creare nuovi set di dati in “quasi tempo reale”.
Parallel Domain conta tra i suoi clienti i principali produttori di sistemi avanzati di assistenza alla guida (ADAS) e aziende specializzate nella guida autonoma. In passato, la startup avrebbe impiegato settimane o addirittura mesi per creare set di dati personalizzati, basati sui parametri specifici di ciascun cliente. Grazie all’API self-service, i clienti possono ora generare nuovi set di dati quasi istantaneamente.
Data Lab potrebbe rappresentare un’ulteriore accelerazione nello sviluppo dei sistemi di guida autonoma. McNamara ha affermato che la startup ha testato alcuni modelli di veicoli a guida autonoma utilizzando dati sintetici di passeggini, rispetto ai dati reali di passeggini, e ha scoperto che il modello addestrato sui dati sintetici funzionava meglio.
Inizialmente, Parallel Domain ha lanciato il suo motore di generazione di dati sintetici chiamato Reactor a maggio, destinandolo all’uso interno e ai test beta con clienti fidati. Con l’introduzione dell’API Data Lab, il modello di business di Parallel Domain subirà probabilmente delle modifiche, poiché i clienti preferiranno l’accesso semplificato all’intelligenza artificiale generativa.
L’attuale strategia commerciale della startup prevede che i clienti acquistino lotti di dati e utilizzino i relativi crediti nell’arco dell’anno. Data Lab può consentire a Parallel Domain di adottare un modello di business basato su SaaS (Software-as-a-Service), in cui i clienti possono abbonarsi alla piattaforma e pagare in base all’utilizzo effettuato, ha dichiarato McNamara.
Inoltre, l’API ha il potenziale per aiutare Parallel Domain a espandersi in qualsiasi settore in cui la tecnologia basata sulla visione artificiale sta rendendo le industrie più efficienti. Ad esempio, l’agricoltura, la vendita al dettaglio e la produzione potrebbero beneficiare dell’applicazione della visione artificiale abilitata dall’API Data Lab.
McNamara ha affermato: “L’implementazione dell’intelligenza artificiale nell’agricoltura è considerata una delle iniziative più importanti per migliorare l’efficienza, e desideriamo perseguire tali casi d’uso al fine di sviluppare una piattaforma che possa essere utilizzata indipendentemente dal settore in cui si opera. Se hai bisogno di addestrare un’intelligenza artificiale a vedere il mondo attraverso un determinato tipo di sensore, Parallel Domain è il punto di partenza”.
L’API Data Lab di Parallel Domain rappresenta una svolta significativa per gli ingegneri di machine learning che necessitano di set di dati sintetici. L’API consente loro di generare oggetti che non erano disponibili in precedenza nella libreria di risorse della startup. Grazie all’API self-service, i clienti possono creare nuovi set di dati in “quasi tempo reale”, secondo Kevin McNamara, fondatore e CEO di Parallel Domain. Inoltre, l’API offre il potenziale per aiutare Parallel Domain a espandersi in qualsiasi settore in cui la tecnologia basata sulla visione artificiale sta rendendo le industrie più efficienti, come l’agricoltura, la vendita al dettaglio e la produzione.