Synthétique, une société de données synthétiques basée à Delafield, Wisconsin, a levé 4,5 millions de dollars de financement à ce jour.
Cela comprend 1 M $ de financement de pré-amorçage et un tour de table de 3,5 M $ dirigé par Lupa Systems, avec la participation de Betaworks Ventures ainsi que de TitletownTech, un fonds basé au Wisconsin formé à partir d’un partenariat entre Microsoft et les Packers de Green Bay.
Le financement d’amorçage permettra à l’entreprise d’agrandir son équipe, de mettre à l’échelle ses technologies de modélisation et d’IA générative, et de soutenir les partenariats stratégiques technologiques actuellement en cours et dans leur pipeline.
Dirigé par le PDG et fondateur Corey Jaskolski, Synthetaic combine une modélisation 3D haute fidélité et une nouvelle IA générative pour développer des ensembles de données volumineux et de haute qualité suffisants pour l’apprentissage automatique. Ce faisant, l’entreprise est en mesure d’étendre l’IA aux industries où les contraintes de données ont empêché les applications précédentes de la technologie. En se concentrant spécifiquement sur les données d’images synthétiques – qui sont plus difficiles à produire que les données en colonnes – Synthetaic est en mesure de répondre à des cas d’utilisation à enjeux particulièrement élevés.
La technologie est déjà déployée dans l’imagerie médicale et la sécurité de la conservation. Grâce à une collaboration avec l’Université du Michigan, Synthetaic développe un système d’intelligence artificielle de classification des tumeurs en temps réel qui aiderait les chirurgiens à identifier le type de cancer du cerveau présent lors de la chirurgie.
Au-delà de l’intelligence de conservation, l’entreprise exploite sa technologie pour combler les lacunes dans les données de formation et générer des modèles d’IA qui résolvent les cas d’utilisation critiques de la sécurité de manière plus générale. Étant donné que Synthetaic peut modéliser et détecter non seulement les événements courants, mais également les cas de pointe rares, à fort impact et à haut risque, ils peuvent détecter avec précision les menaces et les signaux d’alarme qui auraient échappé aux modèles formés sur des ensembles de données traditionnels.
FinSME
20/10/2020
Auteur/autrice
