Hirdetés
. Hirdetés

12 millió dollárral erősít a gépi látás szakértője

|

A zürichi cég ügyfelei között olyan nevek szerepelnek, mint a Siemens és a Svájci Szövetségi Vasutak.

Hirdetés

A zürichi ETH műszaki egyetem munkatársai által 2020-ban alapított LatticeFlow nevét főleg a gépi tanulással és mesterséges intelligenciával foglalkozó körökben ismerik. A cég a gépi látási modellek felesztéséhez kínál diagnosztikai és adatfeldolgozó szolgáltatásokat - írja a Yahoo! Finance.

A lap információi szerint a LatticeFlow ma jelentette be, hogy 12 millió dolláros Series A támogatást kapott az Atlantic Bridge, az OpenOcean, illetve az FPV Ventures kockázati tőkebefektetőktől. A finanszírozási körben szintén ott volt a btov Partners és a Global Founders Capital, amely tavaly már 2,8 millió dollárral támogatta a svájci startupot.

A gépi látás néha triviális hibákon bukik el (Fotó: Unsplash/Possessed Photography)
A gépi látás néha triviális hibákon bukik el (Fotó: Unsplash/Possessed Photography)

Petar Tsankov, a cég társalapítója és vezérigazgatója szerint a LatticeFlow-nak már jelenleg is több európai és amerikai ügyfele van, köztük olyan nagyvállalatokkal, mint a Siemens és olyan szervezetekkel, mint a Svájci Szövetségi Vasutak. A cég szolgáltatásai iránt növekvő kereslet indokolta, hogy újabb körös tőkebevonással erősítsenek.

Hirdetés

Tsankov és alapítótársa Pavol Bielik rámutatott, hogy a legtöbb nagyvállalatnak problémát okoz, hogy a gépi látási modelljeiket 'élesben' is bevessék, amikor pedig erre mégis rászánják magukat, kiderül, hogy a modellek nem úgy teljesítenek, ahogyan arra számítottak. A LatticeFlow ígérete szerint képes automatikusan diagnosztizálni az adatokat és a modelleket és felfedni az esetleges vakfoltokat, amelyeket a fejlesztők figyelmen kívül hagytak. Ezt nemrég a gyakorlatban is igazolták, amikor egy nagy egészségügyi vállalat rendszerében több mint egy tucat kritikus hibát találtak.

Nem csak az általános, adatokkal kapcsolatos problémákat vagy rossz minőségű mintákat tárjuk fel, de a modellek vakfoltjait is, azaz azokat a pontokat, ahol a gépi látási modellek elbuknak

- mutatott rá Tsankov.

A problémát egy való életből származó példával is illusztrálta a cégvezető: egy biztosítással foglalkozó ügyfelük gépi tanulást használt, hogy a karambolos autókon felismerjék a horpadásokat, karcolásokat, azonban a modell karcolásként értelmezte, ha az autóról készült képeken látszott a fotót készítő ujja. Ez pedig azért fordulhatott elő, mert sokan úgy készítik el a hasonló káreseményekről a képeket, hogy az ujjukkal rámutatnak a sérülésre. Ennek eredményeként a modell megtanulta, hogy ha ujjat lát a képen, akkor az egy karcolás jelenlétére utal, noha ez nem mindig van így.

Hardverek, szoftverek, tesztek, érdekességek és színes hírek az IT világából ide kattintva!

Hirdetés
0 mp. múlva automatikusan bezár Tovább az oldalra »

Úgy tűnik, AdBlockert használsz, amivel megakadályozod a reklámok megjelenítését. Amennyiben szeretnéd támogatni a munkánkat, kérjük add hozzá az oldalt a kivételek listájához, vagy támogass minket közvetlenül! További információért kattints!

Engedélyezi, hogy a https://computerworld.hu értesítéseket küldjön Önnek a kiemelt hírekről? Az értesítések bármikor kikapcsolhatók a böngésző beállításaiban.