Les voitures autonomes doivent percevoir leur environnement fidèle à la réalité. Les algorithmes correspondants sont entraînés à l'aide d'un grand nombre d'enregistrements d'images et de vidéos. Pour que l'algorithme reconnaisse des éléments d'image uniques, comme un arbre, un piéton ou un panneau routier, ceux-ci sont étiquetés. L'étiquetage est amélioré et accéléré par Understanding.ai, une startup créée par l'informaticien Philip Kessler, qui a étudié à l'Institut de technologie de Karlsruhe (KIT), et son co-fondateur Marc Mengler.

"Un algorithme apprend par des exemples et plus il y a d'exemples, mieux il apprend, " dit Philip Kessler. Pour cette raison, L'industrie automobile a besoin d'une grande quantité de matériel vidéo et d'images dans l'apprentissage automatique pour la conduite autonome. Jusque là, les objets sur les images ont été étiquetés manuellement par le personnel humain. "Grandes entreprises, comme Tesla, emploient des milliers de travailleurs au Nigeria ou en Inde à cette fin. Le processus est fastidieux et prend du temps, " explique Kessler. " Chez Understanding.ai, nous utilisons l'intelligence artificielle pour rendre l'étiquetage jusqu'à dix fois plus rapide et plus précis, " ajoute-t-il. Bien que le traitement des images soit fortement automatisé dans de grandes parties, le contrôle qualité final est effectué par des humains. La combinaison de la technologie et des soins humains est particulièrement importante pour les activités critiques pour la sécurité, comme la conduite autonome, " dit le fondateur de comprendre.ai. Les étiquetages, aussi appelées annotations, dans l'image et les fichiers vidéo doivent s'accorder avec l'environnement réel avec une précision au pixel près. Meilleure est la qualité des données d'image traitées, le meilleur est l'algorithme qui utilise ces données pour la formation.

"Comme les images d'entraînement ne peuvent pas être fournies pour toutes les situations, comme les accidents, nous proposons désormais également des simulations basées sur des données réelles, " dit Kessler. Bien que la startup se concentre sur la conduite autonome, il prévoit également de traiter des données d'images pour entraîner des algorithmes à détecter des tumeurs ou à évaluer des photos aériennes à l'avenir. Les principaux constructeurs et équipementiers automobiles en Allemagne et aux États-Unis font partie des clients de la startup créée par Kessler et Marc Mengler en 2017. Le siège social de l'entreprise est situé à Karlsruhe. Certains des plus de 50 employés travaillent dans des bureaux à Berlin et à San Francisco. En 2018, la startup a obtenu un financement de démarrage d'un montant de 2,8 millions USD par un groupe d'investisseurs privés.

En 2012, Kessler, né à Brunswick, commencé à étudier l'informatique au KIT, où il s'est intéressé à l'intelligence artificielle et à la conduite autonome lors du développement d'un modèle de voiture autonome dans le groupe d'étudiants KITCar. Il a envisagé de travailler dans le groupe universitaire PionierGarage pour étudiants entrepreneurs et son séjour d'un an chez Mercedes Research dans la Silicon Valley, où il s'est concentré sur l'apprentissage automatique et l'analyse de données, « très motivant » pour créer sa propre entreprise.

" Nulle part ailleurs, vous ne pouvez en apprendre plus dans un laps de temps aussi court que dans une startup. Récemment, l'intérêt des grandes entreprises à coopérer avec les startups s'est considérablement accru, " dit le fondateur de 26 ans. Il pense que l'Allemagne a traversé la première vague de l'intelligence artificielle, dans lequel il a été utilisé principalement dans les appareils de divertissement et les produits de consommation. « Dans la deuxième vague, dans laquelle l'intelligence artificielle est appliquée dans l'industrie et la technologie, L'Allemagne pourra utiliser son potentiel, " dit Kessler.