Advex, üreticiler için makine görüşünü geliştirmek amacıyla sentetik verileri nasıl yaratıyor?

Yapay zeka sistemlerinin eğitimi söz konusu olduğunda veri neredeyse her şeydir, ancak vaatlerini yerine getiren yüksek kaliteli ürünler üretmek için yeterli veriye erişmek, bütçesi geniş şirketler için bile büyük bir zorluktur.

sorun bu Advex Yapay Zeka Şirket, kendi ifadesiyle “veri sorununu çözmek” için üretken yapay zeka ve sentetik verileri kullanarak sorunu çözmeye çalışıyor. Daha spesifik olarak Advex, müşterilerin bilgisayarlı görüntü sistemlerini küçük bir görüntü örneği kullanarak eğitmelerine olanak tanır ve Advex bu örnekten binlerce “sahte” görüntü oluşturur.

Bugün TechCrunch Disrupt 2024’te Startup Battlefield aşamasında Advex’in resmi lansmanı yapılıyor, ancak gizlilik aşamasından şimdiden birkaç müşteri kazanmış durumda. Bu, açıklamaya yetkili olmadığını söylediği yedi büyük kurumsal müşteriyi de içeriyor. TechCrunch ayrıca, San Francisco merkezli girişimin, Construct Capital, Pear VC ve Lauren Powell Jobs gibi önemli destekçilerle birlikte geçen Aralık ayında 3,1 milyon dolarlık tohum diliminden gelen 3,6 milyon dolarlık fon topladığını da ortaya çıkarabilir. Emerson Kolektifi.

CEO Pedro Paçuca Advex bir kurucu ortak ve CTO ile başladı Kasım ve ben Bir yıldan biraz daha uzun bir süre önce şirketin altı çalışanı vardı. Pachuca bunun en azından bir kısmını geçmişine, eski moda ağ oluşturma ve soğuk aramanın yanı sıra, bu kadar çevik bir girişimin gerçek, ödeme yapan müşterilerle sektöre girmiş olması dikkate değer. Aslında Pachuca daha önce Berkeley’de makine öğrenimi araştırmacısıydı ve daha sonra DeepMind’a entegre edilmeden önce Google Brain’deki araştırma ekibine katıldı.

“Eğer yatırımın geri dönüşü [return on investment] Mantıklı, öyle yaparlar [customers] Pachuca, “Bize biraz güvenin” dedi. “Bu alanda çok fazla araştırma yaptım ve daha önce Google Brain’de olmak bana biraz güvenilirlik kazandırdı. Ancak başlangıçta bunlar soğuk e-postalardı ve bu da bize ilk iki büyük müşteriyi kazandırdı. Daha sonra konferanslar oldu. , bu yüzden çoğuna gidiyorum!

Pachuca, TechCrunch ile röportajını tamamladıktan sonra Avrupa’ya gitmek üzereydi ve burada Avrupa Bilgisayarlı Görme Konferansı da dahil olmak üzere çeşitli toplantı ve konferanslara katılmayı planlıyordu (Durmak) Milano’da (İtalya) ve görüş Stuttgart’ta (Almanya).

Pachuca, “Avrupa’da çok sayıda konferans var” dedi. Pachuca, “ECCV’ye esas olarak öğrenme ve istihdam için gideceğiz” diye ekledi. “Ve vizyon daha çok endüstriyel tarafta, bu yüzden satış için oradayız.”

Potansiyel müşteriler arasında makine görsel denetim sistemlerinin eski geliştiricileri yer alıyor: Cognex veya KENSbunu amaçlayan Ürünlerini daha iyi yapay zeka ile geliştiriyorlar. Ancak öte yandan Advex, örneğin son kullanıcı şirketlere doğrudan satış yapabilir. Araba üreticileri veya Lojistik şirketleri Kendi dahili araçlarını oluşturun.

Örneğin, bir araba üreticisinin bilgisayarlı görüş sistemine araba koltuklarının malzemesindeki kusurları nasıl tanıyacağını öğretmesi gerekebilir. Ancak şirketin yüzlerce öne çıkan görsele erişimi olsa bile gerçek şu ki hiçbir kusur birbirinin aynısı görünmüyor. Bunun yerine bir üretici, Advex’in bundan yola çıkarak binlerce “kusurlu” koltuk görüntüsü oluşturarak daha kapsamlı ve çeşitli bir eğitim verisi seti oluşturmasıyla düzinelerce gözyaşı dolu koltuk görüntüsü yükleyebilir.

Aynı şey, petrol ve gazdan ahşap mobilyalara kadar hemen hemen her imalat sektörüne uygulanabilir; amaç yapay olarak eğitim görüntüleri oluşturarak veri toplama süresini ve maliyetlerini azaltmaktır.

Sentetik veriler elbette yeni bir kavram değil, ancak yapay zeka devrimi devam ederken şirketler veri boşluklarını doldurmaya çalışıyorlar ve buna anket örneklerinin çok küçük olabileceği pazar araştırması ve bilgisayar gibi alanlar da dahil Advex gibi şirketlerde gördüğümüz vizyona sahip girişim sermayesi destekli diğer girişimler arasında Synthesis AI ve Parallel Domain yer alıyor.

Advex’in genel olarak ele aldığı iki tür model vardır. Pachuca, müşterinin sitesinde konuşlandırılan ve müşterinin kendi görüntüleri tarafından eğitilen modelin yalnızca standart, kullanıma hazır “açık kaynak malzeme” olduğunu söylüyor. “Bunun nedeni bunların küçük olması gerektiği ve kazanımların modelin yapısından değil, doğru veriler üzerinde eğitimden kaynaklandığını düşünüyoruz” dedi.

Ama asıl gizli sos şirketin yayılma modelinde, ki bu da şöyle… Bunun gibi bir şey Uçuş ortasında veya D-Esentetik veri oluşturmak için kullanılan şey budur. Pachuca, “Bu seçenek son derece özelleştirilmiş ve karmaşık, biz de tüm çabamızı buraya gösteriyoruz” diye ekledi.

Advex’in üretime odaklanması kendisini farklılaştırmanın bir yolu olmasına rağmen, aslında şirketin kendisini farklılaştıran olarak gördüğü yayılma modeli yaklaşımıdır.

Oyun/fizik motorlarıyla uyumlu olanlar (Unity gibi) gibi diğer simülasyon ve modelleme teknikleriyle karşılaştırıldığında Pachuca, difüzyon kullanmanın hiçbir kurulum gerektirmediği anlamına geldiğini ve oluşturmanın görüntü/etiket çifti başına yalnızca birkaç saniye sürdüğünü ve ayrıca verilere çok daha yakın olduğunu söylüyor Gerçekçi.

Pachuca, “Sadece herhangi bir görüntü yapmıyoruz, bunlara sahip olmayan görüntüler de yapıyoruz ve özellikle neyin eksik olduğunu anlamaya ve onu yaratmaya çalışıyoruz” dedi. “‘Eksik olanın’ bu kısmı gerçekten zor ve çok görünmez ama yaptığımız en büyük yeniliklerden biri.”