Numa ronda de angariação de fundos na fase inicial, a DatologyAI acaba de angariar 46 milhões de dólares para melhorar a eficácia da formação de modelos de IA. Menos de três meses depois de levantar US $ 11.65 milhões em financiamento inicial, a empresa de curadoria de dados de inteligência artificial divulgou seu financiamento da Série A. O investimento foi liderado por Viv Faga e Astasia Myers, da Felicis Ventures, e contou com novos investidores como Elad Gil, M12 e o Amazon Alexa Fund, além de apoiadores de retorno como Radical Ventures e Amplify Partners. A DatologyAI arrecadou um total de cerca de US $ 57.7 milhões em investimentos até agora. Para resolver um obstáculo significativo no desenvolvimento de IA generativa, a empresa deseja democratizar a pesquisa de dados. Este problema é a geração de conjuntos de dados grandes e pertinentes com o objetivo de treinar modelos avançados de IA, como o [Gemini Pro] da Google LLC (https://deepmind.google/technologies/gemini/pro/) e o [GPT-4] da OpenAI (https://openai.com/index/gpt-4-research/). Através da identificação e otimização dos dados mais valiosos dentro dos conjuntos de dados, as soluções da DatologyAI simplificam este processo e aumentam a eficácia do treino de modelos. A estratégia utilizada pela DatologyAI está centrada em evitar que a IA seja treinada em conteúdos tóxicos ou tendenciosos, que podem resultar de padrões subtis e prejudiciais nos dados. A empresa coloca uma forte ênfase no valor de conjuntos de dados de formação excelentes e bem escolhidos para melhorar o desempenho do modelo de IA sem a necessidade de modelos de IA grandes e dispendiosos. Esta eficácia pode reduzir drasticamente os custos de computação, o que é uma grande preocupação para as empresas de IA. A tecnologia da DatologyAI ajuda a identificar itens de dados potencialmente perigosos e rotula dados não rotulados, além de maximizar o consumo de dados. Com o financiamento adicional, a DatologyAI pretende aumentar consideravelmente a sua força de trabalho, especialmente nas áreas de engenharia e investigação, e melhorar a sua capacidade computacional para promover o potencial da curadoria de dados.