На начальном этапе сбора средств компания DatologyAI только что собрала 46 миллионов долларов для повышения эффективности обучения моделей ИИ. Менее чем через три месяца после привлечения начального финансирования в размере $11,65 млн компания по хранению данных искусственного интеллекта раскрыла информацию о своем финансировании серии А. Инвестиции возглавили Вив Фага и Астасия Майерс из Felicis Ventures, в них приняли участие новые инвесторы, такие как Элад Гил, M12 и Amazon Alexa Fund, а также вернувшиеся спонсоры, такие как Radical Ventures и Amplify Partners. На данный момент DatologyAI привлекла в общей сложности около $57,7 млн инвестиций.
Чтобы решить серьезное препятствие на пути развития генеративного ИИ, бизнес хочет демократизировать исследование данных. Эта проблема заключается в создании больших подходящих наборов данных с целью обучения передовых моделей ИИ, таких как [Gemini Pro] от Google LLC (https://deepmind.google/technologies/gemini/pro/) и [GPT-4] от OpenAI. https://openai.com/index/gpt-4-research/). За счет идентификации и оптимизации наиболее ценных данных внутри наборов данных решения DatologyAI упрощают этот процесс и повышают эффективность обучения моделей.
Стратегия, используемая DatologyAI, направлена на предотвращение обучения ИИ на токсичном или предвзятом контенте, который может возникнуть из-за тонких, вредных закономерностей в данных. Компания уделяет большое внимание важности хорошо выбранных и отличных наборов обучающих данных для повышения производительности моделей ИИ без необходимости использования больших и дорогих моделей ИИ. Такая эффективность может значительно снизить затраты на вычисления, что вызывает большую тревогу у компаний, занимающихся искусственным интеллектом.
Технология DatologyAI помогает идентифицировать потенциально опасные элементы данных и маркировать немаркированные данные, а также максимизировать потребление данных. Благодаря дополнительному финансированию DatologyAI намерена значительно расширить свою рабочую силу, особенно в области инженерии и исследований, а также повысить свои вычислительные мощности для расширения потенциала обработки данных.