ફિઝિકલ AI માટે ડેટા સ્ટ્રક્ચરિંગ
ઓટોનોમસ વાહનો, રોબોટ્સ અને કન્સ્ટ્રક્શન સાધનો વિશાળ માત્રામાં ડેટા ઉત્પન્ન કરે છે, જે એડવાન્સ્ડ AI ડેવલપમેન્ટ માટે એક મોટી સમસ્યા છે. Nomadic AI, CEO Mustafa Bal અને CTO Varun Krishnan દ્વારા સ્થાપિત, આ સમસ્યાનો ઉકેલ લાવી રહી છે. તેઓ રો ડેટા (raw data) વિડિઓને સ્ટ્રક્ચર્ડ, સર્ચ કરી શકાય તેવા ડેટામાં ફેરવી રહ્યા છે. તેમનું પ્લેટફોર્મ વિઝન-લેંગ્વેજ મોડલ્સનો ઉપયોગ કરીને કલાકોના કલાકોના વિડિઓનું વિશ્લેષણ કરે છે. આનાથી કંપનીઓને મહત્વની insights મેળવવામાં અને દુર્લભ 'edge cases' ને ઓળખવામાં મદદ મળે છે, જે AI ટ્રેનિંગ અને ટેસ્ટિંગ માટે ખૂબ જ નિર્ણાયક છે. આ માત્ર ડેટા લેબલિંગથી આગળ વધીને, ફિઝિકલ AI વિકસાવવા માટે એક આવશ્યક reasoning layer પૂરું પાડે છે.
ફંડિંગથી Nomadic AI ના પ્લેટફોર્મને વેગ
TQ Ventures ના નેતૃત્વ હેઠળ, Pear VC અને ટેક્નોલોજિસ્ટ Jeff Dean ના સહયોગથી Nomadic AI એ $8.4 મિલિયન નું સીડ ફંડિંગ રાઉન્ડ પૂર્ણ કર્યું છે. આ રોકાણ બાદ કંપનીનું વેલ્યુએશન $50 મિલિયન થયું છે. આ ફંડિંગનો ઉપયોગ નવા ગ્રાહકો ઓનબોર્ડ કરવા અને પ્લેટફોર્મને વધુ સુધારવા માટે કરવામાં આવશે. આ રોકાણ ફિઝિકલ AI ક્ષેત્રની વધતી જતી જટિલ ડેટા જરૂરિયાતોને પહોંચી વળવા માટે Nomadic ની યોજનામાં રોકાણકારોનો મજબૂત વિશ્વાસ દર્શાવે છે. Lyft અને Snowflake માં ભૂતપૂર્વ સહકાર્યકરો, સ્થાપકો Mustafa Bal અને Varun Krishnan, ફ્લીટ ડેટાનું સંચાલન અને મૂલ્ય મેળવવામાં સામાન્ય તકનીકી પડકારનો સામનો કર્યા પછી Nomadic ની સ્થાપના કરી.
Nomadic AI નો યુનિક રિઝનિંગ અભિગમ
Nomadic AI માત્ર ડેટા લેબલિંગ સેવા નથી, પરંતુ એક 'agentic reasoning system' પ્રદાન કરીને અલગ તરી આવે છે. CTO Varun Krishnan જણાવે છે કે પ્લેટફોર્મ યુઝરની જરૂરિયાતો સમજે છે અને વિડિઓ ફૂટેજમાં સંબંધિત ડેટા આપમેળે શોધે છે, જટિલ ક્રિયાઓ અને સંદર્ભનું વિશ્લેષણ કરે છે. આનાથી ગ્રાહકો ચોક્કસ પરિસ્થિતિઓ શોધી શકે છે, જેમ કે ટ્રાફિક ઓફિસર પર AV ની પ્રતિક્રિયા અથવા ચોક્કસ પુલો નીચેથી પસાર થતા વાહનો. આ insights કમ્પ્લાયન્સ, સુરક્ષા તપાસ અને સીધા રિઇન્ફોર્સમેન્ટ લર્નિંગમાં ઉપયોગી છે, જે વિકાસ ચક્રને ઝડપી બનાવે છે. Zoox, Mitsubishi Electric, Natix Network, અને Zendar જેવી કંપનીઓ પરંપરાગત પદ્ધતિઓ કરતાં વિકાસને ઝડપી બનાવવા માટે Nomadic નો ઉપયોગ કરી રહી છે.
Nomadic AI નું માર્કેટ સ્થાન અને રોકાણકારોનો વિશ્વાસ
ફિઝિકલ AI ઇન્ફ્રાસ્ટ્રક્ચરનું બજાર ખૂબ જ આકર્ષણ મેળવી રહ્યું છે. Scale AI અને Encord જેવી સ્થાપિત ડેટા લેબલિંગ કંપનીઓ પણ એડવાન્સ્ડ AI ટૂલ્સ વિકસાવી રહી છે. Nvidia ઓટોનોમસ ડ્રાઇવિંગ માટે Alpamayo જેવા foundational models પૂરા પાડે છે. જોકે, Nomadic નો સંકલિત રિઝનિંગ સિસ્ટમ પર ધ્યાન કેન્દ્રિત કરીને ડેટાસેટ બનાવવાનો અભિગમ ઊંડી જરૂરિયાત પૂરી કરે છે. TQ Ventures ના પાર્ટનર Schuster Tanger એ Nomadic ની ભૂમિકાની સરખામણી ક્લાઉડ સેવાઓ જેવા આવશ્યક ઇન્ફ્રાસ્ટ્રક્ચર પ્રદાતાઓ સાથે કરી. તેમણે નોંધ્યું કે AV કંપનીઓએ તેમના મુખ્ય રોબોટ ડેવલપમેન્ટ પર ધ્યાન કેન્દ્રિત કરવું જોઈએ, ખાસ ડેટા ઇન્ફ્રાસ્ટ્રક્ચર બનાવવું નહીં. Jeff Dean નો સમાવેશ Nomadic ના AI ડેટા રિઝનિંગ અભિગમ માટે મજબૂત ટેકનિકલ માન્યતા પૂરી પાડે છે.
ભવિષ્યની યોજનાઓ અને પડકારો
Nomadic AI નો આગામી તબક્કો lidar readings જેવા નોન-વિઝ્યુઅલ સેન્સર ડેટાને એકીકૃત કરવાનો અને મલ્ટી-મોડલ સેન્સર ફ્યુઝનનો છે. આ સંપૂર્ણ ફિઝિકલ AI ડેવલપમેન્ટ માટે નિર્ણાયક છે. $50 મિલિયન નું વેલ્યુએશન દર્શાવે છે કે ભવિષ્યના ઓટોનોમસ સિસ્ટમ્સ માટે પાયો બનવાની તેની ક્ષમતા પ્રત્યે ઊંચી અપેક્ષાઓ છે. જોકે, આ બજાર સ્પર્ધાત્મક અને ખર્ચાળ છે. Scale AI જેવી કંપનીઓ સામે સ્પર્ધા કરવી પડશે. 'Agentic reasoning' ને વિવિધ હાર્ડવેર અને પરિસ્થિતિઓમાં ભૌતિક AI દૃશ્યોનું ચોક્કસ અર્થઘટન અને સંદર્ભ આપવો પડશે. મુખ્ય નબળાઈ દ્રશ્ય ડેટા પર હાલનું ધ્યાન છે, જ્યારે ભવિષ્યમાં lidar, radar જેવા બહુવિધ સેન્સરના સંયોજનની જરૂર પડશે. મોટા AI મોડલ્સ સાથે ટેરાબાઈટ્સ ડેટા પર પ્રક્રિયા કરવાની જટિલતા સતત નવીનતા અને નોંધપાત્ર કમ્પ્યુટિંગ પાવરની માંગ કરે છે.