W ramach rundy pozyskiwania funduszy na wczesnym etapie DatologyAI właśnie zebrała 46 milionów dolarów, aby poprawić skuteczność szkolenia modeli sztucznej inteligencji. Niecałe trzy miesiące po zebraniu 11,65 miliona dolarów w ramach finansowania zalążkowego, firma zajmująca się selekcją danych sztucznej inteligencji ujawniła finansowanie serii A. Inwestycja była prowadzona przez Viv Faga i Astasia Myers z Felicis Ventures i obejmowała nowych inwestorów, takich jak Elad Gil, M12 i Amazon Alexa Fund, a także powracających sponsorów, takich jak Radical Ventures i Amplify Partners. DatologyAI zebrało do tej pory łącznie około 57,7 miliona dolarów inwestycji. Aby rozwiązać istotną przeszkodę w rozwoju generatywnej sztucznej inteligencji, firma chce zdemokratyzować badania danych. Problemem tym jest generowanie dużych, trafnych zbiorów danych w celu szkolenia zaawansowanych modeli sztucznej inteligencji, takich jak [Gemini Pro] firmy Google LLC (https://deepmind.google/technologies/gemini/pro/) i [GPT-4] firmy OpenAI (https://openai.com/index/gpt-4-research/). Poprzez identyfikację i optymalizację najbardziej wartościowych danych w zbiorach danych, rozwiązania DatologyAI upraszczają ten proces i zwiększają skuteczność szkolenia modeli. Strategia stosowana przez DatologyAI koncentruje się na zapobieganiu szkoleniu sztucznej inteligencji na toksycznych lub stronniczych treściach, które mogą wynikać z subtelnych, szkodliwych wzorców w danych. Firma kładzie silny nacisk na wartość dobrze dobranych, doskonałych zestawów danych szkoleniowych w celu poprawy wydajności modeli AI bez potrzeby stosowania dużych, drogich modeli AI. Ta skuteczność może drastycznie obniżyć koszty obliczeniowe, co jest dużym zmartwieniem dla firm zajmujących się sztuczną inteligencją. Technologia DatologyAI pomaga identyfikować potencjalnie niebezpieczne elementy danych i etykietuje nieoznakowane dane, a także maksymalizuje zużycie danych. Dzięki dodatkowemu finansowaniu DatologyAI zamierza znacznie zwiększyć siłę roboczą, zwłaszcza w obszarach inżynierii i badań, oraz zwiększyć swoje możliwości obliczeniowe, aby zwiększyć potencjał kurateli danych.