Patronus AI-მ $50 მილიონი მოიზიდა: სტარტაპი AI აგენტების გამოსაცდელად „ციფრულ სამყაროებს“ ქმნის

ხელოვნური ინტელექტის აგენტები სულ უფრო დახვეწილი ხდება. ისინი უბრალო კითხვებზე პასუხის გაცემიდან მრავალსაფეხურიანი, კომპლექსური დავალებების დამოუკიდებლად შესრულებაზე გადადიან. თუმცა, სანამ ამ აგენტებს მოგზაურობის დაჯავშნას ან მომხმარებლის სახელით ფინანსური ანალიზის ჩატარებას ვანდობთ, მოდელების პროვაიდერებსა და სტარტაპებს სურთ დარწმუნდნენ, რომ ისინი სხვადასხვა სცენარში საიმედოდ მუშაობენ.

ხშირად ხელოვნური ინტელექტის ლაბორატორიები ბენჩმარკებს (benchmarks) იყენებენ საკუთარი მოდელების შესაძლებლობების საჩვენებლად. თუმცა, მაღალი ქულა ყოველთვის არ ნიშნავს, რომ ხელოვნური ინტელექტი რეალურ, კომპლექსურ სამუშაოს სწორად შეასრულებს. სწორედ ამ პრობლემის გადაჭრაში ეხმარება კომპანიებს Patronus AI — სტარტაპი, რომელიც 2023 წელს Meta AI-ს ყოფილმა მკვლევრებმა, ანანდ კანაპანმა და რებეკა ციანმა დააფუძნეს.

სან-ფრანცისკოში ბაზირებული სტარტაპი ქმნის სიმულირებულ ციფრულ გარემოს, სადაც AI აგენტების მუშაობის შეფასება და მათი მოდელების დახვეწა ხდება. Notable Capital-ის მმართველი დირექტორის, გლენ სოლომონის თქმით, თითქმის ყველა წამყვანი AI ლაბორატორია და მრავალი ახალი სტარტაპი უკვე Patronus-ის კლიენტია, მოთხოვნა კი მუდმივად იზრდება.

ინვესტიციები და სწრაფი ზრდა

Patronus AI-ს შემოსავალი გასული წლის განმავლობაში 15-ჯერ გაიზარდა, რამაც ინვესტორების დიდი დაინტერესება გამოიწვია. კომპანიამ ახლახან გამოაცხადა $50 მილიონიანი სერია B დაფინანსების რაუნდის შესახებ, რომელსაც Greenfield Partners-ი ხელმძღვანელობდა. რაუნდში ასევე მონაწილეობდნენ Notable Capital, Lightspeed, Datadog და Samsung. ამ ინვესტიციით კომპანიის მთლიანმა დაფინანსებამ $70 მილიონს მიაღწია.

როგორ მუშაობს „ციფრული სამყაროს მოდელები“

Patronus იყენებს ე.წ. „ციფრული სამყაროს მოდელებს“ (digital world models) ვებსაიტებისა და შიდა სისტემების ასლების შესაქმნელად. ამ გარემოში აგენტები გადიან სტრეს-ტესტებს წვრთნის შემდეგ, რისთვისაც გამოიყენება განმამტკიცებელი სწავლება (reinforcement learning). ეს მეთოდი გულისხმობს წარმატებით შესრულებული დავალებების წახალისებას და შეცდომების შემთხვევაში მოდელის „დაჯარიმებას“.

ხელოვნური ინტელექტის ლაბორატორიებისთვის ეს სიმულაციები ძალიან ღირებულია, რადგან აგენტებს საშუალებას აძლევს გამოსცადონ სხვადასხვა, ხშირად არაპროგნოზირებადი სცენარები. კომპანია ამ მიდგომას ადარებს Waymo-ს მიერ ავტონომიური ავტომობილების წვრთნას, სადაც თავდაპირველად სინთეტიკური სამყაროები იქმნებოდა იშვიათი საფრთხეების (მაგალითად, ცუდი ამინდი ან ბურთს გამოკიდებული ბავშვი) გამოსაცდელად.

განსხვავება ისაა, რომ AI აგენტები ხშირად ცდილობენ „მოკლე გზების“ (shortcuts) პოვნას, რაც დავალების არასწორად შესრულებას იწვევს. „Patronus-ი ძალიან კარგად პოულობს ასეთ ხარვეზებს და უზრუნველყოფს მოდელების ანგარიშვალდებულებას“, — აღნიშნავს სოლომონი.

სამომავლო გეგმები და კონკურენცია

ამჟამად Patronus-ი სიმულირებულ ციფრულ სამყაროებს პროგრამული ინჟინერიისა და ფინანსების სფეროებისთვის ქმნის, თუმცა დამფუძნებლის, ანანდ კანაპანის თქმით, ეს მხოლოდ დასაწყისია. კომპანია ფოკუსირებულია პრობლემებზე, რომელთა გადამოწმებაც მარტივია, თუმცა სამომავლოდ უფრო რთულ სფეროებში შესვლასაც გეგმავს.

„ჩვენ გვსურს შევქმნათ გარემო, სადაც აგენტს შეეძლება იმუშაოს 10 საათის, 10 დღის ან თუნდაც 10 კვირის განმავლობაში“, — ამბობს კანაპანი.

რაც შეეხება კონკურენციას, Patronus-ის მთავარი მეტოქეები თავად AI ლაბორატორიების შიდა გუნდები არიან, რომლებიც აგენტების ქცევას აფასებენ. მიუხედავად იმისა, რომ ისეთი კომპანიები, როგორიცაა Mercor და Surge, მოდელების შემქმნელებს ადამიანური მონაცემების მეშვეობით ეხმარებიან, Patronus-ი განსხვავებულად მუშაობს — ის აფასებს აგენტების ქცევას ყოველგვარი ადამიანური ჩარევის გარეშე.