Geleceğin otonom makinelerini inşa etmek için, bazen modele bir model gerekir. Kendi kendine giden araçlar, fiziksel ortamı manipüle eden robotlar veya otonom inşaat ekipmanları geliştiren şirketler, değerlendirme ve eğitim için saatlerce, hatta milyonlarca saat video verisi topluyor. Bu videoları organize etmek ve kataloglamak artık insanların görevi haline geldi ve hepsi izlenmek zorunda. Hızlı ileri sarmak bile ölçeklenemiyor. CEO Mustafa Bal ve CTO Varun Krishnan tarafından kurulan bir girişim olan Nomadic AI, filolarının verisinin %95'i arşivlerde duran müşteriler için sorunları çözmek istiyor. Zorluk, kenar durumları (edge cases) bulmak olduğunda daha da artıyor; en değerli veriler nadiren meydana gelen ve deneyimsiz fiziksel yapay zeka modellerini şaşırtabilen olayları tasvir ediyor. Nomadic, bu sorunu, vizyon dil modelleri koleksiyonu aracılığıyla görüntüleri yapılandırılmış, aranabilir bir veri kümesine dönüştüren bir platformla çözmek için çalışıyor. Bu da daha iyi filo izleme ve pekiştirmeli öğrenme için benzersiz veri kümeleri oluşturma ve daha hızlı yineleme olanağı sağlıyor.
8.4 MİLYON DOLARLIK TOHUM TURU TAMAMLANDI
Şirket, Salı günü 50 milyon dolarlık para sonrası değerlemeyle 8.4 milyon dolarlık tohum turunu tamamladığını duyurdu. Tur, TQ Ventures liderliğinde, Pear VC ve Jeff Dean'in katılımıyla gerçekleşti ve daha fazla müşteriyi bünyesine katmak ve platformunu geliştirmeye devam etmek için kullanılacak. Nomadic, geçen ay Nvidia GTC'nin yarışma etkinliğinde birincilik ödülünü de kazanmıştı. Harvard'da bilgisayar bilimi lisans öğrencisiyken tanışan iki kurucu, Lyft ve Snowflake gibi şirketlerdeki işlerinde sürekli olarak aynı teknik zorluklarla karşılaştıklarını belirtti.
FİZİKSEL YAPAY ZEKA İÇİN ANAHTAR ÇALIŞMA ALANI
"Kendi otonom araçlarını (AV'ler) ve robotlarını ne yönlendiriyorsa, onlara kendi görüntüleri hakkında içgörü sağlıyoruz," diyen Bal, "Bu, rastgele veriler değil, bu otonom sistemleri inşa edenleri ileriye taşıyan şeydir," diye ekledi. Örneğin, bir polis memurunun yönlendirmesi durumunda kırmızı ışıktan geçebileceği anlayışını ince ayardan geçirmeye çalışan veya araçların belirli bir köprünün altından her geçişini izole etmeye çalışan bir AV hayal edin. Nomadic'in platformu, bu olayların hem uyumluluk amaçlı olarak belirlenmesini hem de doğrudan eğitim işlem hatlarına beslenmesini sağlıyor. Zoox, Mitsubishi Electric, Natix Network ve Zendar gibi müşteriler, akıllı makineler geliştirmek için platformu zaten kullanıyor. Zendar'da Mühendislik Başkan Yardımcısı Antonio Puglielli, Nomadic'in aracının şirketin çalışmalarını dış kaynak kullanma alternatifinden çok daha hızlı ölçeklendirmesini sağladığını ve alan uzmanlığının onu diğer rakiplerden ayırdığını söyledi. Bu tür model tabanlı, otomatik etiketleme aracı, fiziksel yapay zeka için önemli bir çalışma alanı olarak ortaya çıkıyor. Scale, Kognic ve Encord gibi yerleşik veri etiketleme firmaları bu işi yapmak için yapay zeka araçları geliştirirken, Nvidia bu sorunu çözmek için uyarlanabilen açık kaynaklı modeller ailesi Alpamayo'yu piyasaya sürdü. Varun, şirketinin aracının bir etiketleyiciden daha fazlası olduğunu savunuyor; "tanımlayıcı bir akıl yürütme sistemi: neye ihtiyacı olduğunu tarif ediyorsunuz ve o da bunu nasıl bulacağını anlıyor," diyerek birden fazla modeli kullanarak gerçekleşen eylemi anlıyor ve bağlamına oturtuyor. Nomadic'in destekçileri, girişimin bu özel altyapıya odaklanmasının kazanacağını düşünüyor. TQ Ventures'ta turu yöneten ortak Schuster Tanger, "Salesforce'un kendi bulutunu inşa etmemesi ve Netflix'in kendi [içerik dağıtım tesislerini] inşa etmemesiyle aynı neden," dedi. "Bir otonom araç şirketi Nomadic'i şirket içinde inşa etmeye başladığı anda, kazanmalarını sağlayan şeyden, yani robotun kendisinden uzaklaşırlar."
