Synthetaic behauptet, dass KI-Daten mit echten Daten vergleichbar sind

Synthetaic behauptet, dass KI-Daten mit echten Daten vergleichbar sind, wird von BTW Media profiliert, weil veröffentlichte Belege Verbindungen zu Internetinfrastruktur, Governance, Betriebsabhängigkeiten oder Marktsichtbarkeit aufzeigen.

Alternativer Titel:Synthetaic behauptet, dass KI-Daten mit echten Daten vergleichbar sind

• Synthetaic hat15 Millionen US-Dollar in einer Serie-B-Finanzierungsrunde eingesammelt, die gemeinsam von Lupa Systems und TitletownTech geleitet wurde.
• Die Menge der generierten Bilddaten wächst exponentiell, was den wachsenden Bedarf an fortschrittlichen KI-Lösungen unterstreicht.
• Die Technologie von Synthetaic bietet einen transformativen Ansatz für das Training und die Erstellung von KI-Modellen, der einen kritischen Bedarf von Technologieentscheidern erfüllt.

Synthetaic, ein Marktführer

Der Vorfall mit dem chinesischen „Spionageballon“ 2023 erwies sich für Zivilisten als schwer nachzuverfolgen, und nur Unternehmen für künstliche Intelligenz wieSynthetaickönnen dies mithilfe von Satellitenbildern. Dieser Vorfall bot Synthetaic eine leistungsstarke Gelegenheit zur Produktdemonstration, die die Aufmerksamkeit von Investoren auf sich zog, darunter den Verteidigungsauftragnehmer Booz Allen Hamilton.

„Das exponentielle Wachstum der Menge an generierten Bilddaten unterstreicht den wachsenden Bedarf an fortschrittlichen KI-Lösungen, um dieses riesige Informationsrepository zu verwalten und zu analysieren.“

Corey Jaskolski, CEO von Synthetaic

„Wir haben festgestellt, dass die Gewinnung von Erkenntnissen aus diesen massiven Datenmengen weiterhin ein großes Problem und eine Priorität für viele Sektoren darstellt, wie Verteidigung, Geoinformationswesen, Videoüberwachung oder Drohnenüberwachung. Die KI-Lösungen von Synthetaic für unüberwachtes Lernen und Datenanalyse versetzen uns in eine strategische Position in einem wachsenden Technologiebereich“, sagte Jaskolski.

KI braucht menschliche Hilfe

Jaskolski ist Absolvent des Massachusetts Institute of Technology (MIT) und ehemaliger Chief Technology Officer bei National Geographic. Er tauchte in antarktische Eisberge, tauchte 12.500 Fuß unter den Meeresspiegel, um das Wrack der Titanic zu erkunden, steuerte einen Hubschrauber, um die nepalesische Seite des Mount Everest zu kartieren, wagte sich in überflutete Höhlen, katalogisierte Maya-Opfer und eiszeitliche Bärenknochen.

Was also hat einen Weltenbummler wie Jaskolski dazu bewogen, trotz seiner eigenen Sterblichkeit ein Unternehmen für synthetische Daten zu gründen? Es war einfach: Er erkannte, dass KI das Potenzial hat, bei der Klassifizierung weltweiter Informationen zu helfen, aber ihre Entwicklung wurde durch die Notwendigkeit behindert, Daten manuell zu annotieren.

„Die menschliche Annotation ist der Standard für das KI-Training“, sagte Jaskolski. „Je größer die KI-Modelle werden, desto besser werden sie, aber sie benötigen mehr Trainingsdaten, da sie über immer mehr einstellbare interne Parameter verfügen.
Synthetaic, 2019 gegründet, bietet ein Tool – die Rapid Automatic Image Classification (RAIC, von englischFast Automatic Image Classification) – das darauf abzielt, große Datensätze automatisch zu analysieren, nämlich Satellitenbilder und Videos, die keine Labels enthalten. Viele KI-Modelle werden durch Annotation der Daten trainiert. Beispielsweise wird ein Modell, dem viele Bilder und Annotationen für jede Katzenrasse zur Verfügung gestellt werden, schließlich „lernen“, einen Bobtail von einer Shorthair zu unterscheiden. Im Gegensatz dazu stellt der Benutzer RAIC ein einziges Bild zur Verfügung, und RAIC findet dieses Bild an anderer Stelle im Datensatz wieder.
„RAIC bedeutet, dass man seltene oder komplexe Datensätze handhaben, die KI-Entwicklung beschleunigen und die prädiktive Modellierung verbessern kann, ohne durch die Menge oder Qualität der Daten eingeschränkt zu sein“, sagte Jaskolski. „Dies macht RAIC zu einem strategischen Vorteil, um Innovation, operative Effizienz und Wettbewerbsvorteile voranzutreiben, insbesondere in Anwendungsfällen, in denen Daten einen Engpass für die Einführung und Implementierung von KI darstellen.“

Lesen Sie auch:Ist Big Data die Zukunft der KI?