Nunha fase inicial de recadación de fondos, DatologyAI acaba de recadar 46 millóns de dólares para mellorar a eficacia do adestramento do modelo de IA. Menos de tres meses despois de recadar 11,65 millóns de dólares en financiamento inicial, a empresa de curación de datos de intelixencia artificial revelou o seu financiamento da Serie A. O investimento foi liderado por Viv Faga e Astasia Myers de Felicis Ventures e contou con novos investidores como Elad Gil, M12 e Amazon Alexa Fund, ademais de patrocinadores de retorno como Radical Ventures e Amplify Partners. DatologyAI recadou un total de preto de 57,7 millóns de dólares en investimento ata o momento.
Para resolver un obstáculo significativo no desenvolvemento da IA xerativa, a empresa quere democratizar a investigación de datos. Este problema é a xeración de conxuntos de datos grandes e pertinentes co propósito de adestrar modelos avanzados de intelixencia artificial como o [Gemini Pro] de Google LLC (https://deepmind.google/technologies/gemini/pro/) e o [GPT-4] de OpenAI( https://openai.com/index/gpt-4-research/). A través da identificación e optimización dos datos máis valiosos dentro dos conxuntos de datos, as solucións de DatologyAI simplifican este proceso e aumentan a eficacia do adestramento do modelo.
A estratexia empregada por DatologyAI céntrase en evitar que a IA sexa adestrada en contidos tóxicos ou sesgados, que poden resultar de patróns sutís e prexudiciais nos datos. A empresa fai un gran énfase no valor dos conxuntos de datos de formación excelentes e ben escollidos para mellorar o rendemento dos modelos de IA sen necesidade de modelos de IA grandes e caros. Esta eficacia pode reducir drasticamente os custos informáticos, o que é unha gran preocupación para as empresas de IA.
A tecnoloxía de DatologyAI axuda a identificar elementos de datos potencialmente perigosos e etiquetar os datos sen etiquetar ademais de maximizar o consumo de datos. Co financiamento adicional, DatologyAI pretende aumentar considerablemente a súa forza de traballo, especialmente nas áreas de enxeñería e investigación, e mellorar a súa capacidade computacional para aumentar o potencial da curación de datos.