En una ronda inicial de recaptació de fons, DatologyAI acaba de recaptar 46 milions de dòlars per millorar l'efectivitat de la formació del model d'IA. Menys de tres mesos després de recaptar 11,65 milions de dòlars en finançament inicial, l'empresa de curació de dades d'intel·ligència artificial va revelar el seu finançament de la sèrie A. La inversió va ser liderada per Viv Faga i Astasia Myers de Felicis Ventures i va comptar amb nous inversors com Elad Gil, M12 i Amazon Alexa Fund, a més de patrocinadors retornats com Radical Ventures i Amplify Partners. DatologyAI ha recaptat un total d'uns 57,7 milions de dòlars en inversió fins ara.
Per tal de resoldre un obstacle important en el desenvolupament de la IA generativa, l'empresa vol democratitzar la investigació de dades. Aquest problema és la generació de conjunts de dades grans i pertinents amb la finalitat d'entrenar models avançats d'IA com ara [Gemini Pro] de Google LLC (https://deepmind.google/technologies/gemini/pro/) i [GPT-4] d'OpenAI ( https://openai.com/index/gpt-4-research/). Mitjançant la identificació i optimització de les dades més valuoses dins dels conjunts de dades, les solucions de DatologyAI simplifiquen aquest procés i augmenten l'eficàcia de l'entrenament del model.
L'estratègia emprada per DatologyAI se centra a evitar que la IA sigui formada sobre contingut tòxic o esbiaixat, que podria resultar de patrons subtils i perjudicials de les dades. El negoci posa un fort èmfasi en el valor dels conjunts de dades d'entrenament excel·lents i ben escollits per millorar el rendiment dels models d'IA sense necessitat de models d'IA grans i cars. Aquesta eficàcia pot reduir dràsticament els costos informàtics, cosa que és una gran preocupació per a les empreses d'IA.
La tecnologia de DatologyAI ajuda a identificar elements de dades potencialment perillosos i etiquetar les dades sense etiquetar, a més de maximitzar el consum de dades. Amb el finançament addicional, DatologyAI té la intenció de fer créixer la seva força de treball considerablement, especialment en les àrees d'enginyeria i investigació, i millorar la seva capacitat computacional per potenciar el potencial de la curació de dades.