NVIDIA opublikowała praktyczne metody poprawy dokładności agentów Vision AI stosując dane syntetyczne i fine-tuning modeli. Agenci ci automatycznie przetwarzają dane wideo z fizycznego świata na inteligencję operacyjną w fabrykach, miastach, magazynach i systemach transportu, działając zwykle blisko kamer, maszyn i sensorów.
Wyzwanie polega na tym, że większość agentów musi pracować w warunkach ograniczonej mocy, niskiej latencji i słabej łączności, jednocześnie dostosowując się do lokalnych warunków danej lokalizacji. Gartner szacuje, że przez 2028 rok dwie trzecie danych zarządzanych przez przedsiębiorstwa będzie tworzone i przetwarzane poza data center, a dwie trzecie firm globalnie wdroży AI edge do 2029 roku. Jednak duży problem - aż 90 procent istniejących danych edge pozostaje nieprzetworzone, co oznacza marnotrawstwo potencjału operacyjnego.
Proponowane rozwiązania NVIDIA Metropolis agent skills i blueprints dostarczają deweloperom powtarzalnych sposobów na generowanie danych treningowych, dostosowywanie modeli do specyficznych warunków witryny oraz wdrażanie agentic video applications. Takie podejście pozwala na szybsze i bardziej efektywne wdrażanie systemów vision AI, które mogą rzeczywiście przekształcać surowe dane w praktyczne działania biznesowe.