🚀 Synthetaic在B轮融资轮中筹集了1500万美元

Synthetaic,一家致力于开发用于训练AI模型的合成数据创造工具的初创公司,已通过风投融资筹集到1500万美元

Synthetaic声称,人工合成数据在人工智能中可与真实数据媲美。

还记得2023年的中国“间谍”气球吗?如果忘记了,让我给你一个复习:大约一年前,一颗来自中国的高空气球在美国领空飞行,基本上没有被发现。后来,这颗气球被美国空军发现并击落。这个故事有趣的地方在于,Synthetaic等人工智能公司表明可以通过卫星图像追溯到其来源。

这个气球事件成为Synthetaic的一个绝佳机会,吸引了包括国防承包商勃兹艾伦哈密尔顿在内的投资者的注意。现在,坐稳了,因为Synthetaic已经在一轮B系列融资中筹集到了惊人的1500万美元!🎉

气球图像

这轮融资由Lupa Systems和TitletownTech共同领导,TitletownTech是由Green Bay Packers和微软合作组建的风险投资公司。本轮参与的其他机构包括IBM Ventures和勃兹艾伦哈密尔顿。凭借这笔新注资,Synthetaic计划加速其计算机视觉技术的商业化,并计划到今年年底将团队扩展到80名员工。

冒险家创始人

Synthetaic的首席执行官Corey Jaskolski并非普通的CEO。他是麻省理工学院的毕业生,曾担任过美国国家地理杂志的技术总监。这个人是个冒险家:他曾在南极潜水在冰山中,下潜到海洋表面以下12,500英尺去探索泰坦尼克号的残骸,带领直升机实地绘制珠穆朗玛峰的尼泊尔侧地图。哦,我提到过他在记录玛雅人祭祀受害者和冰河期熊骨骼的洞穴中深入探险吗?简直是一个疯狂的简历!

Corey Jaskolski

那么,是什么促使这位敢死队的环球旅行者创办Synthetaic呢?归根结底,是一种意识:AI有助于对世界信息进行分类的潜力受到了手动注释数据的限制。是的,你没有听错。Jaskolski想要消除对人工标记数据的需求。

RAIC: 快速自动图像分类

2019年,Synthetaic推出了一个名为快速自动图像分类(RAIC)的工具。该工具旨在自动分析大型数据集,特别是不包含标签的卫星图像和视频。

传统上,AI模型通过让一群人对数据进行注释来进行训练,以便模型能够学习将某些特征与注释关联起来。例如,一个被投入大量带有每个品种注释的猫图片的模型最终将学会区分bobtails和shorthairs。

但是RAIC采用了不同的方法。你只需提供一张图片,RAIC自动完成其余的工作。它会定位出数据集中出现该图片的其他地方。很酷,对吧?

拓展合成数据的应用

Synthetaic并非唯一探索合成数据在模型训练中应用的公司。2022年4月,Synthesis AI在风险投资轮中筹集了1700万美元,其正在开发一个生成合成数据用于训练各种类型AI系统的平台。与此同时,Scale AI在两年前推出了一个计划,允许机器学习工程师用合成样本增强真实世界数据集。我们也不要忘记像Parallel Domain这样的公司,它们正在为自动驾驶等特定用例创建合成数据。

根据Gartner的预测,到2024年,60%用于AI和分析项目的数据将是合成生成的。这是一个迅速增长的趋势。然而,一些专家对合成数据可能存在的偏见和危险表示担忧。亚利桑那州立大学的一项研究显示,一个基于教授图片数据集训练的AI系统放大了原始数据集中的偏见,导致主要是白人和男性面孔的结果。

但是尽管存在这些担忧,Synthetaic的客户并没有被吓跑。这家初创公司与美国空军合作,在地理空间数据中测试了基于人工智能的对象检测,并与自然保护协会合作,识别了之前认为已经灭绝的鸟类物种。Synthetaic还与空军研究实验室AFWERX签订了合同,为卫星捕捉的图像进行对象标注、人工智能建模和对象检测技术的开发。

人工智能与Synthetaic的未来

Synthetaic的首席执行官Corey Jaskolski坚信,RAIC在无数领域都有应用,从人工智能原型设计到基于无人机的监测和内容审核。他们已经与CNN合作,分析加沙的战争图像,并与Planet Labs合作,对地球成像数据进行分析销售。Jaskolski相信,Synthetaic的业务足够强大,可以抵挡住技术行业的衰退和其他宏观经济风险。

总之,融资轮是Synthetaic的一个重要里程碑,为他们提供了在计算机视觉和人工智能领域持续创新所需的资源。随着对先进人工智能解决方案的需求继续增长,Synthetaic的RAIC可以提供一种革命性的人工智能模型训练和创建方法。通过自动分析大规模数据集而无需人工标记数据,Synthetaic具备了在各个行业中推动创新、提高运营效率和提供竞争优势的良好位置。

现在轮到你了!你对Synthetaic的计算机视觉技术和在人工智能训练中使用合成数据有什么看法?在下方评论中告诉我们!别忘了与朋友们分享这篇文章——这篇文章太好了,不分享太可惜了!😉