{"id":691539,"date":"2023-06-20T01:21:34","date_gmt":"2023-06-20T01:21:34","guid":{"rendered":"https:\/\/magazineoffice.com\/la-api-de-parallel-domain-permite-a-los-clientes-usar-ia-generativa-para-crear-conjuntos-de-datos-sinteticos\/"},"modified":"2023-06-20T01:21:39","modified_gmt":"2023-06-20T01:21:39","slug":"la-api-de-parallel-domain-permite-a-los-clientes-usar-ia-generativa-para-crear-conjuntos-de-datos-sinteticos","status":"publish","type":"post","link":"https:\/\/magazineoffice.com\/la-api-de-parallel-domain-permite-a-los-clientes-usar-ia-generativa-para-crear-conjuntos-de-datos-sinteticos\/","title":{"rendered":"La API de Parallel Domain permite a los clientes usar IA generativa para crear conjuntos de datos sint\u00e9ticos"},"content":{"rendered":"
\n<\/p>\n
Dominio paralelo<\/span> est\u00e1 poniendo la capacidad de generar conjuntos de datos sint\u00e9ticos en manos de sus clientes. La startup con sede en San Francisco ha lanzado una nueva API llamada Data Lab que se apoya en los hombros de los gigantes de la IA generativa, dando a los ingenieros de aprendizaje autom\u00e1tico control sobre mundos virtuales din\u00e1micos para simular cualquier escenario imaginable. <\/span><\/p>\n \u00abTodo lo que tiene que hacer es ir a GitHub, instalar la API y luego puede comenzar a escribir el c\u00f3digo Python que genera conjuntos de datos\u00bb, dijo a TechCrunch Kevin McNamara, fundador y director ejecutivo de Parallel Domain.<\/p>\n Data Lab permite a los ingenieros generar objetos que antes no estaban disponibles en la biblioteca de activos de la startup. La API utiliza la simulaci\u00f3n 3D para proporcionar una base sobre la cual un ingeniero, a trav\u00e9s de una serie de indicaciones simples, puede superponer el mundo real en toda su aleatoriedad. \u00bfQuiere entrenar a su modelo para que conduzca en una autopista con una cabina volteada en dos carriles? F\u00e1cil. \u00bfCrees que tu robotaxi deber\u00eda saber c\u00f3mo identificar a un humano vestido con un traje de dinosaurio inflable? Hecho.<\/p>\n El objetivo es dar a las empresas de autonom\u00eda, drones y rob\u00f3tica m\u00e1s control y m\u00e1s eficiencia en la construcci\u00f3n de grandes conjuntos de datos para que puedan entrenar sus modelos m\u00e1s r\u00e1pido y a un nivel m\u00e1s profundo.<\/p>\n \u00abEl tiempo de iteraci\u00f3n ahora se reduce esencialmente a qu\u00e9 tan r\u00e1pido puede usted, como ingeniero de ML, pensar en lo que quiere y traducirlo en una llamada API, un conjunto de c\u00f3digo\u00bb. dijo McNamara. \u201cHay un nivel casi infinito e ilimitado de cosas que un cliente puede escribir para un aviso, y el sistema simplemente funciona\u201d.<\/p>\n Parallel Domain cuenta como clientes con los principales OEM que desarrollan sistemas avanzados de asistencia al conductor (ADAS) y empresas de conducci\u00f3n aut\u00f3noma. Hist\u00f3ricamente, la puesta en marcha podr\u00eda haber tardado semanas o meses en crear conjuntos de datos basados \u200b\u200ben los par\u00e1metros espec\u00edficos de un cliente. Con la API de autoservicio, los clientes pueden formar nuevos conjuntos de datos \u00abcasi en tiempo real\u00bb, seg\u00fan McNamara.<\/p>\n A mayor escala, Data Lab podr\u00eda ayudar a escalar los sistemas de conducci\u00f3n aut\u00f3noma a\u00fan m\u00e1s r\u00e1pido. McNamara dijo que la puesta en marcha prob\u00f3 ciertos modelos AV en conjuntos de datos sint\u00e9ticos de cochecitos contra conjuntos de datos del mundo real de cochecitos, y descubri\u00f3 que el modelo funcionaba mejor cuando se entrenaba con datos sint\u00e9ticos.<\/p>\n Si bien Parallel Domain no utiliza ninguna de las API de OpenAI que han ganado popularidad en los \u00faltimos meses, como ChatGPT, la startup est\u00e1 construyendo componentes de su tecnolog\u00eda sobre los grandes modelos b\u00e1sicos que se han abierto en los \u00faltimos dos a\u00f1os.<\/p>\n \u201cCosas como Stable Diffusion nos permiten ajustar nuestras propias versiones de estos modelos b\u00e1sicos y luego usar la entrada de texto para impulsar la generaci\u00f3n de im\u00e1genes y contenido\u201d, dijo McNamara, y se\u00f1al\u00f3 que su equipo desarroll\u00f3 pilas de tecnolog\u00eda personalizadas para etiquetar objetos a medida que se generan.<\/p>\n Parallel Domain lanz\u00f3 inicialmente su motor de generaci\u00f3n de datos sint\u00e9ticos, llamado Reactor, en mayo para uso interno y pruebas beta con clientes de confianza. Ahora que Reactor se ofrece a los clientes a trav\u00e9s de la API de Data Lab, es probable que el modelo comercial de Parallel Domain cambie, ya que los clientes prefieren un acceso f\u00e1cil a la IA generativa.<\/p>\n La estrategia comercial actual de la startup implica que los clientes compren asignaciones de datos y luego usen esos cr\u00e9ditos durante todo el a\u00f1o. Data Lab puede ayudar a Parallel Domain a pasar a un modelo de software como servicio (SaaS), en el que los clientes pueden suscribirse para acceder a la plataforma y pagar en funci\u00f3n de cu\u00e1nto la usan, dijo McNamara.<\/p>\n La API tambi\u00e9n tiene el potencial de ayudar a Parallel Domain a escalar en cualquier espacio donde la tecnolog\u00eda habilitada para la visi\u00f3n por computadora est\u00e1 haciendo que las industrias sean m\u00e1s eficientes, como la agricultura, el comercio minorista o la fabricaci\u00f3n.<\/p>\n \u201cLa habilitaci\u00f3n de la IA en la agricultura se considera una de las cosas m\u00e1s importantes que mejorar\u00e1n la eficiencia, y queremos perseguir esos casos de uso y, finalmente, tener una plataforma en la que no importa en qu\u00e9 dominio est\u00e9 operando, si necesita entrenar una IA. para ver el mundo con alg\u00fan tipo de sensor, el lugar donde comenzar\u00eda es Parallel Domain\u201d, dijo McNamara.<\/p>\n<\/p><\/div>\n