Fundamental-მა $255 მილიონიანი ინვესტიცია მოიზიდა: ხელოვნური ინტელექტის ახალი მიდგომა დიდი მონაცემების ანალიზისთვის

ხელოვნური ინტელექტის ლაბორატორია Fundamental-ი საჯარო სივრცეში ახალი საბაზისო მოდელით გამოვიდა, რომელიც ძველი პრობლემის გადაჭრას ისახავს მიზნად: როგორ მივიღოთ ღირებული ინფორმაცია საწარმოების მიერ გენერირებული სტრუქტურირებული მონაცემების უზარმაზარი მასივებიდან. პროგნოზირებადი ხელოვნური ინტელექტის ძველი სისტემებისა და თანამედროვე ინსტრუმენტების კომბინაციით, კომპანია გეგმავს რევოლუცია მოახდინოს მსხვილი საწარმოების მიერ მონაცემთა ანალიზის პროცესში.

კომპანიის აღმასრულებელი დირექტორის, ჯერემი ფრენკელის განმარტებით, მიუხედავად იმისა, რომ დიდი ენობრივი მოდელები (LLM) ეფექტურად მუშაობენ არასტრუქტურირებულ მონაცემებთან (ტექსტი, აუდიო, ვიდეო და კოდი), მათ უჭირთ სტრუქტურირებულ მონაცემებთან, მაგალითად, ცხრილებთან მუშაობა. სწორედ ამ ტიპის მონაცემების დასამუშავებლად შეიქმნა Nexus — საბაზისო მოდელი, რომელიც სპეციალურად ცხრილებისა და სტრუქტურირებული ინფორმაციისთვისაა ოპტიმიზებული.

აღნიშნულმა იდეამ ინვესტორების დიდი ინტერესი უკვე გამოიწვია. Fundamental-ი ბაზარზე $255 მილიონიანი დაფინანსებითა და $1.2 მილიარდიანი საბაზრო შეფასებით გამოდის. დაფინანსების ძირითადი ნაწილი $225 მილიონიანი A სერიის რაუნდიდან მოდის, რომელსაც Oak HC/FT, Valor Equity Partners, Battery Ventures და Salesforce Ventures ხელმძღვანელობდნენ. რაუნდში ასევე მონაწილეობდნენ Hetz Ventures და ანგელოზ-ინვესტორები, მათ შორის Perplexity-ს აღმასრულებელი დირექტორი არავინდ სრინივასი, Brex-ის თანადამფუძნებელი ენრიკე დუბუგრასი და Datadog-ის ხელმძღვანელი ოლივიე პომელი.

Nexus: დიდი ტაბულარული მოდელი (LTM)

Fundamental-ის მოდელი Nexus, რომელსაც „დიდ ტაბულარულ მოდელს“ (Large Tabular Model - LTM) უწოდებენ, რამდენიმე მნიშვნელოვანი ასპექტით განსხვავდება თანამედროვე ხელოვნური ინტელექტის პრაქტიკისგან:

• დეტერმინისტულობა: მოდელი ყოველთვის ერთსა და იმავე პასუხს იძლევა დასმულ კითხვაზე, რაც კრიტიკულად მნიშვნელოვანია მონაცემთა სიზუსტისთვის.
• არქიტექტურა: ის არ ეყრდნობა ტრანსფორმერების (transformer) არქიტექტურას, რომელიც დღეს ხელოვნური ინტელექტის ლაბორატორიების უმეტესობაში გამოიყენება.
• საბაზისო მოდელის პროცესი: მიუხედავად იმისა, რომ მოდელი გადის წინასწარი მომზადებისა (pre-training) და დახვეწის (fine-tuning) სტანდარტულ ეტაპებს, საბოლოო შედეგი რადიკალურად განსხვავდება იმისგან, რასაც მომხმარებლები OpenAI-სგან ან Anthropic-ისგან იღებენ.

მასშტაბურობა და დიდი მონაცემების დამუშავება

ეს განსხვავებები გადამწყვეტია, რადგან Fundamental-ი ფოკუსირებულია იმ სფეროზე, სადაც თანამედროვე მოდელები ხშირად მარცხდებიან. ტრანსფორმერებზე დაფუძნებულ მოდელებს მხოლოდ იმ მონაცემების დამუშავება შეუძლიათ, რომლებიც მათ „კონტექსტურ ფანჯარაში“ (context window) თავსდება. ამის გამო, მათ უჭირთ დასკვნების გამოტანა ექსტრემალურად დიდი მონაცემთა ბაზებიდან — მაგალითად, მილიარდობით სტრიქონის მქონე ცხრილების ანალიზი.

მსხვილ საწარმოებში ასეთი გიგანტური სტრუქტურირებული მონაცემთა ბაზები ჩვეულებრივი მოვლენაა, რაც ქმნის დიდ შესაძლებლობას იმ მოდელებისთვის, რომლებსაც ამ მასშტაბის მართვა შეუძლიათ. Nexus-ის მეშვეობით კომპანიას დიდი მონაცემების (Big Data) ანალიზში თანამედროვე ტექნიკა შეაქვს, რაც ბევრად უფრო მძლავრი და მოქნილია, ვიდრე ამჟამად არსებული ალგორითმები.

ბიზნეს პერსპექტივები და პარტნიორობა

კომპანიის ხედვით, ერთი მოდელის გამოყენება შესაძლებელია ყველა ბიზნეს-ქეისისთვის, რაც მნიშვნელოვნად ზრდის გადაჭრილი ამოცანების რაოდენობას. ამასთან, თითოეულ შემთხვევაში მიიღწევა უკეთესი შედეგი, ვიდრე ამას მონაცემთა მეცნიერების მთელი გუნდი შეძლებდა.

ამ დაპირებამ უკვე მოიზიდა არაერთი მაღალი პროფილის კონტრაქტი, მათ შორის შვიდნიშნა თანხის მქონე შეთანხმებები Fortune 100-ის სიაში შემავალ კლიენტებთან. გარდა ამისა, Fundamental-მა გააფორმა სტრატეგიული პარტნიორობა AWS-თან (Amazon Web Services), რაც AWS-ის მომხმარებლებს საშუალებას მისცემს Nexus-ი პირდაპირ საკუთარი არსებული ინსტანციებიდან გამოიყენონ.