API دامنه موازی به مشتریان امکان می دهد از هوش مصنوعی مولد برای ساخت مجموعه داده های مصنوعی استفاده کنند

دامنه موازی توانایی تولید مجموعه داده های مصنوعی را در دست مشتریان خود قرار می دهد. این استارت‌آپ مستقر در سانفرانسیسکو API جدیدی به نام Data Lab راه‌اندازی کرده است که بر روی شانه‌های غول‌های هوش مصنوعی مولد قرار می‌گیرد و به مهندسان یادگیری ماشینی کنترل جهان‌های مجازی پویا را می‌دهد تا هر سناریوی قابل تصوری را شبیه‌سازی کنند.

کوین مک نامارا، بنیانگذار و مدیر عامل دامنه موازی، به TechCrunch گفت: تنها کاری که باید انجام دهید این است که به GitHub بروید، API را نصب کنید و سپس می توانید شروع به نوشتن کد پایتون کنید که مجموعه داده ها را تولید می کند.

آزمایشگاه داده به مهندسان اجازه می دهد تا اشیایی را تولید کنند که قبلاً در کتابخانه دارایی راه اندازی موجود نبودند. API از شبیه‌سازی سه بعدی استفاده می‌کند تا پایه‌ای را ارائه کند که بر اساس آن یک مهندس، از طریق یک سری دستورات ساده، می‌تواند جهان واقعی را با تمام تصادفی‌اش در بالای صفحه قرار دهد. آیا می خواهید مدل خود را برای رانندگی در بزرگراه با کابین واژگون شده در دو لاین آموزش دهید؟ آسان. فکر می کنید روباتاکسی شما باید بداند که چگونه انسانی را که لباس دایناسور بادی پوشیده است شناسایی کند؟ انجام شده.

هدف این است که به شرکت‌های رباتیک، پهپادها و پهپادها کنترل بیشتر و کارایی بیشتری در ساخت مجموعه داده‌های بزرگ داده شود تا بتوانند مدل‌های خود را سریع‌تر و در سطح عمیق‌تری آموزش دهند.

“زمان تکرار اکنون اساساً به سرعتی می رسد که به عنوان یک مهندس ML می توانید به آنچه می خواهید فکر کنید و آن را به یک تماس API یا مجموعه ای از کدها ترجمه کنید؟” مک نامارا گفت. یک سطح تقریباً نامحدود و نامحدود از چیزهایی وجود دارد که مشتری می تواند برای یک درخواست تایپ کند، و سیستم فقط کار می کند.

Domain موازی، OEM های اصلی ساخت سیستم های پیشرفته کمک راننده (ADAS) و شرکت های رانندگی مستقل را به عنوان مشتری به حساب می آورد. از لحاظ تاریخی، ممکن است هفته ها یا ماه ها طول بکشد تا استارت آپ مجموعه داده هایی را بر اساس پارامترهای خاص مشتری ایجاد کند. به گفته مک نامارا، با API خود-سرویس، مشتریان می توانند مجموعه داده های جدیدی را در «زمان واقعی» تشکیل دهند.

در مقیاس بزرگتر، آزمایشگاه داده می تواند به مقیاس سریع تر سیستم های رانندگی خودران کمک کند. مک نامارا گفت این استارت‌آپ مدل‌های AV خاصی را بر روی مجموعه داده‌های مصنوعی کالسکه‌ها در برابر مجموعه داده‌های واقعی کالسکه‌ها آزمایش کرد و دریافت که این مدل زمانی که بر روی داده‌های مصنوعی آموزش داده می‌شود بهتر عمل می‌کند.

در حالی که دامنه موازی از هیچ یک از APIهای هوش مصنوعی باز که در ماه‌های اخیر مانند ChatGPT محبوبیت پیدا کرده‌اند، استفاده نمی‌کند، این استارت‌آپ در حال ساخت اجزای فناوری خود بر روی مدل‌های پایه بزرگی است که در چند سال گذشته منبع باز بوده‌اند.

مک‌نامارا با اشاره به اینکه تیمش پشته‌های فناوری سفارشی را برای برچسب‌گذاری اشیاء در حین تولید، گفت: چیزهایی مانند Stable Diffusion ما را قادر می‌سازد تا نسخه‌های خود را از این مدل‌های پایه تنظیم کنیم و سپس از ورودی متن برای تولید تصویر و محتوا استفاده کنیم.

Parallel Domain در ابتدا موتور تولید داده مصنوعی خود را به نام Reactor در ماه می برای استفاده داخلی و آزمایش بتا با مشتریان قابل اعتماد راه اندازی کرد. اکنون که Reactor از طریق Data Lab API به مشتریان ارائه می شود، مدل تجاری دامنه موازی احتمالاً تغییر خواهد کرد زیرا مشتریان دسترسی آسان به هوش مصنوعی مولد را ترجیح می دهند.

استراتژی تجاری استارتاپ امروز شامل خرید تخصیص داده ها توسط مشتریان و سپس استفاده از آن اعتبارات در طول سال است. مک‌نامارا گفت که آزمایشگاه داده می‌تواند به دامنه موازی کمک کند تا به یک مدل نرم‌افزار به‌عنوان سرویس (SaaS) حرکت کند، جایی که مشتریان می‌توانند برای دسترسی به این پلتفرم مشترک شوند و بر اساس میزان استفاده از آن پرداخت کنند.

API همچنین این پتانسیل را دارد که به مقیاس دامنه موازی در هر فضایی که فناوری مبتنی بر بینایی کامپیوتری در آن صنایعی مانند کشاورزی، خرده‌فروشی یا تولید را کارآمدتر می‌کند، کمک کند.

فعال‌سازی AI کشاورزی به عنوان یکی از بزرگترین چیزهایی که کارایی را بهبود می‌بخشد دیده می‌شود، و ما می‌خواهیم این موارد استفاده را تعقیب کنیم و در نهایت پلتفرمی داشته باشیم که مهم نیست در چه حوزه‌ای فعالیت می‌کنید، اگر نیاز به آموزش هوش مصنوعی دارید. مک نامارا گفت: برای دیدن جهان با نوعی حسگر، مکانی که باید شروع کنید دامنه موازی است.