Yapay zeka, insanların günlük görevleri yerine getirmelerine ve insanların üstesinden gelemediği sorunları çözmelerine yardımcı olmayı ve hatta belki de onların yerini almayı vaat ediyor, ancak ironik bir şekilde, yapay zekanın büyük bir ölçeklendirme sorunuyla karşı karşıya kalmasını sağlıyor. Yalnızca onu eğitmek için kullanılan modeller ve veriler kadar iyidir, bu nedenle çok daha büyük veri hazineleri için kaynak bulmaya ve onları sindirmeye ihtiyaç vardır. Ancak bu eğitim verilerini açıklamak ve manipüle etmek çok fazla zaman ve para gerektirir, işi veya genel etkinliği ve belki her ikisini birden yavaşlatır.
adlı bir girişim V7 Laboratuvarları buna nasıl yaklaşılacağı konusunda bir atılım yaptığına inanıyor. Bu modellerin eğitimini otomatikleştirmek için etkili bir şekilde oluşturulmuş eğitim modelleri. Bugün, hizmetlerine yönelik çok fazla talep gördükten sonra büyümesini hızlandırmak için 33 milyon dolarlık bir finansman açıklıyor.
V7’nin bugün odak noktası, bilgisayar görüşü ve nesnelerin tanımlanmasına yardımcı olmaktır. Sadece 100 insan açıklamalı örnekten ne yapılacağını öğrenebileceğini söylüyor.
Halihazırda tıp ve bilim alanlarında güçlü bir çekiş gücüne sahiptir ve platformunun, örneğin taramalarda kanserlerin ve diğer sorunların nasıl belirlendiğini hızlandırmak için yapay zeka modellerini eğitmeye yardımcı olmak için kullanıldığı yerlerdir. V7 ayrıca, doğal dil komutlarından ve endüstriyel uygulamalardan görüntüler oluşturmak için motorlar üreten şirketler de dahil olmak üzere, teknolojisini çok çeşitli başka uygulamalarda nasıl uygulayacağına bakan teknoloji ve teknoloji meraklısı şirketlerle etkinlik görmeye başlıyor. Müşterilerin ve teknolojisini değerlendirenlerin tam listesini açıklamıyor ancak liste 300’den fazla müşteriyi içeriyor ve GE Healthcare, Paige AI ve Siemens’in yanı sıra diğer Fortune 500 şirketleri ve daha büyük özel sektör şirketlerini içeriyor.
Radical Ventures ve Temasek, Air Street Capital, Amadeus Capital Partners ve Partech’in (önceden üç destekçi) yanı sıra makine öğrenimi ve yapay zeka dünyasında önde gelen birkaç kişinin de katıldığı bu tura eş liderlik ediyor. Bunlar arasında Francois Chollet (açık kaynaklı Python sinir ağı kitaplığı Keras’ın yaratıcısı), Oriol Vinyals (DeepMind’de baş araştırma bilimcisi), Jose Valim (İksir programlama dilinin yaratıcısı), Ashish Vaswani (ortak kurucu) bulunmaktadır. Daha önce Transformers’ı icat ettiği Google Brain’de bulunan Adept AI ve OpenAI, Twitter ve Amazon’dan isimsiz diğerleri.
CEO Alberto Rizzoli bir röportajda, bunun bu kategoride bugüne kadarki en büyük A Serisi finansman turu olduğunu ve bunun hem daha fazla mühendis işe almak hem de yeni bir müşteri ilgisi dalgasını üstlenmek üzere ticari faaliyetlerini geliştirmek için kullanılacağını söyledi. ABD’ye vurgu yaparak Değerleme hakkında yorum yapmayı reddetti, ancak girişim şu anda yaklaşık 36 milyon dolar topladı ve anladığım kadarıyla değer şu anda 200 milyon dolar civarında.
Rizzoli ayrıca gelir rakamları hakkında konuşmayı reddetti ancak ARR’nin 2022’de üç kat büyüdüğünü söyledi.
Yapay zeka verilerinin eğitiminin verimliliğini artırmaya yardımcı olmak ve yapay zeka modellemesinin daha geniş alanını ele almak için ortaya çıkan bir dizi başka girişim oldu. Süper Açıklamabaşına yaklaşık 18 milyon dolar toplayan Tanıtım Kitabı, V7’nin en yakın rakiplerinden biridir. (V7 çift ortaya koymak iki hizmet nasıl karşılaştırılır.) Diğerleri şunları içerir: Yapay Zekayı Ölçeklendirinbaşlangıçta otomotiv sektörüne odaklanan ancak daha sonra bir dizi başka alana da ayrılan ve şu anda yaklaşık 7 milyar dolar değerinde olan; etiket kutusuAI etiketleme konusunda Google ve diğerleri gibi şirketlerle çalışan; ve kovanşu anda yaklaşık 2 milyar dolar değerinde.
V7 – insan beyninde görsel korteksini oluşturan altı alandan (V1 ila V6) sonra görüntüleri işlemek için “yedinci” alan olan yapay zekaya atıfta bulunularak adlandırılmıştır – ve diğerleri, eğitim modelinin verimsiz ve geliştirilebilir.
V7’nin özel USP’si otomasyondur. Bir mühendislik ekibinin zamanının yaklaşık %80’inin bu eğitim verilerini yönetmek için harcandığını tahmin ediyor: etiketleme, bir şeyin yanlış etiketlendiğini belirleme, kategorizasyonları yeniden düşünme vb.
Ortaya çıkardığı sürece “programatik etiketleme” adını veriyor: görüntüleri bölümlere ayırmak ve etiketlemek için genel amaçlı yapay zekayı ve kendi algoritmalarını kullanan Rizzoli (şirketi CTO’su Simon Edwardsson ile birlikte kuran kişi), bunun yalnızca 100 “insan” sürdüğünü söylüyor. otomatik etiketlemesinin harekete geçmesi için kılavuzlu” örnekler.
Yatırımcılar, AI modellerinin tasarlanması ve uygulanması arasındaki sürenin kısaltılmasının şirket için daha fazla iş sağlayacağına bahse giriyor. “Bilgisayar vizyonu, endüstriler genelinde geniş ölçekte uygulanıyor, yenilik ve atılımlar ve hızla büyüyen 50 milyar dolarlık bir pazar sunuyor. V7 için tezimiz, uygulamaların genişliği ve piyasaya sürülmesi beklenen yeni ürünlerin hızının, yapay zeka modellerini, kodu ve insanları döngüsel bir ekosistemde birbirine bağlayan merkezi bir platform gerektirdiğidir” dedi. , bir açıklamada, Amadeus Capital Partners’ın bir ortağı.
V7, süreci “otomatik pilot” olarak tanımlar, ancak yardımcı pilot daha doğru olabilir: Buradaki fikir, belirsiz olarak işaretlenen her şeyin değerlendirilmesi ve gözden geçirilmesi için insanlara geri yönlendirilmesidir. İş yüklerini daha verimli bir şekilde aşmalarını kolaylaştırdığı kadar, bu insanların yerini almaz. (Ayrıca bazen insanlardan daha iyi çalışabilir, bu nedenle ikisi birlikte kullanıldığında birbirlerinin çalışmalarını iki kez kontrol etmeye yardımcı olabilir.) Aşağıda, pnömoniyi saptamak için bir öğle yemeği taramasında görüntü eğitiminin nasıl çalıştığına dair bir örnek verilmiştir.
Görsel Kaynakları: v7 laboratuvarları
Görüntülerin işlenme ve kullanılma şeklini iyileştirmek için AI’nın uygulandığı birçok alanı göz önünde bulunduran Rizzoli, başlangıçta tıp alanında ikiye katlama kararının kısmen girişimin ayaklarını yere basmasını sağlamak ve olabilecek bir pazara odaklanmak olduğunu söyledi. Bu tür bir teknolojiyi şirket içinde hiç geliştirmedim ama kesinlikle kullanmak isterim.
“Yapay zeka tabanlı uygulamaları zaten ticarileştiren veya görsel işleme üzerinde birçok çalışmanın yapıldığı, ancak insanlar tarafından yapılan sektörlere odaklanmaya karar verdik” dedi. “Moonshot’lara veya büyük Ar-Ge bütçeleri tükenmekte olan projelere bağlı kalmak istemedik, çünkü bu, birisinin sorunu kendi başına tam olarak çözmeye çalıştığı ve daha uzmanlaşmış bir şey yaptığı anlamına gelir ve sahip olmak isteyebilirler. kendi teknolojisi, bizim gibi bir üçüncü tarafın teknolojisi değil.”
Rizzoli, şirketlerin “kendi gizli sosu” arayışına ek olarak, bazen projelerin laboratuvar dışında asla gün ışığına çıkmayabileceğini de sözlerine ekledi. Bunun yerine gerçek uygulamalar için çalışıyoruz” dedi.
Görsel Kaynakları: V7 Laboratuvarları (yeni bir pencerede açılır)
Başka bir açıdan, girişim, bilgilerin işletmeler arasında nasıl elde edildiği ve benimsendiği konusunda gördüğümüz bir değişimi temsil ediyor. Yatırımcılar, V7’nin oluşturduğu çerçevenin, verilerin gelecekte bu kuruluşlar tarafından alınma şeklini potansiyel olarak değiştirebileceğini düşünüyor.
Radical Ventures’ın ortağı Parasvil Patel yaptığı açıklamada, “V7, modern yapay zeka iş akışlarında veri yönetimi için endüstri standardı haline gelmek için iyi bir konumdadır” dedi. Patel bu turla V7 yönetim kuruluna katılıyor.
“Artık yapay zeka ile çözülebilen sorunların sayısı çok fazla ve hızla artıyor. Air Street Capital’den Nathan Benaich yaptığı açıklamada, her büyüklükteki işletme bu fırsatları yakalamak için yarışırken, sürekli olarak gelişen ve gerçek dünya ihtiyaçlarına uyum sağlayan olağanüstü ürünler sunmak için sınıfının en iyisi verilere ve model altyapısına ihtiyaç duyuyorlar. “V7’nin Yapay Zeka Veri Motorunun parladığı yer burasıdır. Sektör veya uygulama ne olursa olsun, müşteriler güçlü AI öncelikli ürünleri her zamankinden daha hızlı göndermek için V7’ye güveniyor. V7, endüstrinin hızla gelişen en iyi uygulamalarını verilerden modele ve ürüne çok oyunculu iş akışlarına paketliyor”.