Sa isang maagang yugto ng fundraising round, ang DatologyAI ay nakalikom lang ng $46 milyon para pahusayin ang pagiging epektibo ng AI model training. Wala pang tatlong buwan pagkatapos makalikom ng $11.65 milyon sa seed funding, isiniwalat ng kumpanya ng artificial intelligence data curation ang pagpopondo nito sa Series A. Ang pamumuhunan ay pinangunahan ng Viv Faga at Astasia Myers ng Felicis Ventures at nagtampok ng mga bagong mamumuhunan tulad ng Elad Gil, M12, at ang Amazon Alexa Fund bilang karagdagan sa mga nagbabalik na backer tulad ng Radical Ventures at Amplify Partners. Ang DatologyAI ay nagtaas ng kabuuang humigit-kumulang $57.7 milyon sa pamumuhunan sa ngayon.
Upang malutas ang isang malaking hadlang sa pagbuo ng generative AI, gusto ng negosyo na i-demokratize ang pananaliksik sa data. Ang problemang ito ay ang pagbuo ng malalaki at nauugnay na mga dataset para sa layunin ng pagsasanay ng mga advanced na modelo ng AI gaya ng Gemini Pro ng Google LLC at [GPT-4] ng OpenAI( https://openai.com/index/gpt-4-research/). Sa pamamagitan ng pagkilala at pag-optimize ng pinakamahalagang data sa loob ng mga dataset, pinapasimple ng mga solusyon ng DatologyAI ang prosesong ito at pinapataas ang pagiging epektibo ng pagsasanay sa modelo.
Ang diskarte na ginagamit ng DatologyAI ay nakasentro sa pagpigil sa AI na sanayin sa nakakalason o bias na nilalaman, na maaaring magresulta mula sa banayad, masasamang pattern sa data. Ang negosyo ay nagbibigay ng matinding diin sa halaga ng mahusay na napili, mahusay na mga set ng pagsasanay para sa pagpapabuti ng pagganap ng modelo ng AI nang hindi nangangailangan ng malalaki at mamahaling modelo ng AI. Ang pagiging epektibong ito ay maaaring makabuluhang mapababa ang mga gastos sa pag-compute, na isang malaking pag-aalala para sa mga kumpanya ng AI.
Nakakatulong ang teknolohiya ng DatologyAI na matukoy ang mga potensyal na mapanganib na mga item ng data at mga label na walang label na data bilang karagdagan sa pag-maximize ng pagkonsumo ng data. Gamit ang karagdagang pagpopondo, nilalayon ng DatologyAI na palakihin nang husto ang workforce nito, lalo na sa mga larangan ng engineering at pananaliksik, at pahusayin ang kapasidad ng computational nito upang higit pang mapalawak ang potensyal ng data curation.