Vectorize تجمع 3.6 مليون دولار لثورة الاسترجاع القوي بالذكاء الاصطناعي مع منصة RAG الرائدة

Vectorize، شركة رائدة في مجال البيانات التي تعتمد على الذكاء الاصطناعي، حصلت على تمويل بقيمة 3.6 مليون دولار في جولة التمويل الأولى بقيادة True Ventures. يعتبر هذا التمويل علامة فارقة للشركة، حيث تطرح منصة الاسترجاع المعزز بالتوليد (RAG) المبتكرة. تم تصميم منصة Vectorize لتحسين كيفية وصول الشركات إلى بياناتها الخاصة واستخدامها في تطبيقات الذكاء الاصطناعي، وتستعد لثورة الاسترجاع القوي بالذكاء الاصطناعي وتحويل الصناعات التي تعتمد على النماذج اللغوية الكبيرة (LLMs).

معالجة تحدي حاسم في الذكاء الاصطناعي

مع استمرار تقدم نماذج الذكاء الاصطناعي التوليدية مثل GPT-4 و Bard و Claude، أصبحت تطبيقاتها أكثر اندماجًا في عمليات الأعمال الحديثة. من خدمة العملاء إلى ت自动ية البيع، تعزز هذه النماذج من الإنتاجية وتتمكن من قدرات جديدة. ومع ذلك، غالبًا ما يتم تحديد فعالية هذه النماذج من خلال عدم khảية الوصول إلى المعلومات الخاصة بالقطاع والمحدّثة – البيانات الحاسمة التي لا تعتبر جزءًا من مجموعة التدريب الأصلية للنموذج. بدون الوصول في الوقت الفعلي إلى البيانات ذات الصلة، يمكن للنماذج LLMs فقط تقديم استجابات عامة dựa على المعرفة القديمة.

هنا يأتي دور Vectorize. تصل منصة RAG التابعة للشركة بين نماذج الذكاء الاصطناعي ومصادر البيانات غير المهيكلة مثل قواعد المعرفة الداخلية وأدوات التعاون وأنظمة إدارة علاقات العملاء ونظم الملفات. من خلال جعل هذه البيانات متاحة للمهام التي تعتمد على الذكاء الاصطناعي، تضمن Vectorize أن الشركات يمكنها توليد استجابات أكثر دقة وذات صلة سياقيًا من أنظمة الذكاء الاصطناعي الخاصة بها. تهدف الشركة إلى تمكين الوصول إلى هذه التقنية المتقدمة، مما يسمح للمطورين والشركات على حد سواء ببناء تطبيقات ذكاء اصطناعي جاهزة للإنتاج ومحسنة للأداء.

ما يميز Vectorize: خطوط أنابيب RAG سريعة ودقيقة وجاهزة للإنتاج

تعالج منصة Vectorize أحد أكبر العوائق في استرجاع البيانات القوي بالذكاء الاصطناعي: صعوبة إدارة وتصوير البيانات غير المهيكلة. في حين تركز الأدوات التقليدية للذكاء الاصطناعي على البيانات المهيكلة، تقدم Vectorize حلًا فريدًا لاستخدام قوة البيانات غير المهيكلة، التي تشكل الجزء الأكبر من المعلومات المتاحة في معظم المنظمات.

في قلب منصة Vectorize توجد خطوط أنابيب RAG الجاهزة للإنتاج، التي تمكن الشركات من تحويل بياناتها غير المهيكلة إلى فهرس بحث متجه محسّن. تمكن هذه القدرة من دمج البيانات ذات الصلة بشكل متسلسل في النماذج اللغوية الكبيرة، مما يمنح الذكاء الاصطناعي السياق الذي يحتاجه لإنتاج نتائج دقيقة. على عكس المنصات الأخرى التي تتطلب إعدادًا مكثفًا أو تدخلات يدوية، توفر Vectorize عملية سهلة ثلاثية الخطوات:

1. استيراد: يمكن للمستخدمين بسهولة تحميل المستندات أو الاتصال بنظم إدارة المعرفة الخارجية. بمجرد الاتصال، تستخرج Vectorize المحتوى اللغوي الطبيعي الذي يمكن استخدامه بواسطة LLM.
2. تقييم: تقييم Vectorize استراتيجيات التجزئة والتعيين المتوازي، وكمية نتائج كل منها لتحديد التكوين الأمثل. يمكن للشركات استخدام توصية Vectorize أو اختيار استراتيجيتها الخاصة.
3. نشر: بعد اختيار التكوين المتجه الأمثل، يمكن للمستخدمين نشر خط أنابيب متجه في الوقت الفعلي الذي يتم تحديثه تلقائيًا لضمان الدقة المستمرة. هذه القدرة في الوقت الفعلي حاسمة لتحديث استجابات الذكاء الاصطناعي بشكل مستمر مع تطور بيانات الأعمال.

من خلال توفير هذه الخطوات، تسريع Vectorize عملية تحضير البيانات لتطبيقات الذكاء الاصطناعي، وتقليل وقت التطوير من أسابيع أو أشهر إلى ساعات فقط.

تمكين الذكاء الاصطناعي عبر الصناعات

تتجاوز قدرات Vectorize بناء خطوط أنابيب الذكاء الاصطناعي. تمكن مرونة المنصة من مجموعة واسعة من الصناعات والتطبيقات. من ت자동ية البيع إلى إنشاء المحتوى ودعم العملاء بالذكاء الاصطناعي، تساعد منصة RAG الشركات على إطلاق إمكاناتها الكاملة لاستثماراتها في الذكاء الاصطناعي.

على سبيل المثال، قامت Groq، شركة رائدة في الأجهزة الذكية، بتنفيذ منصة RAG التابعة لشركة Vectorize لتوسيع عمليات دعم العملاء خلال فترة نمو سريع. وفقًا لERIC McAllister، المدير التنفيذي لخدمة العملاء في Groq، كان المعالجة البيانات في الوقت الفعلي التي تمكنت Vectorize منها حاسمة في مساعدة الشركة على إدارة حجم أعلى من استفسارات العملاء دون التضحية بأوقات الاستجابة أو الدقة.

“تمكن المنصة من المعالجة في الوقت الفعلي لتعلم وكيل الذكاء الاصطناعي على الفور من كل تحديث نقوم به ومن كل互одействة مع العملاء،” قال McAllister. “هذا يعني أننا يمكننا التعامل مع حجم أعلى من الاستفسارات مع إجابات أكثر دقة وأكثر صلة في الوقت المناسب، مع تقليل أوقات الاستجابة بشكل كبير.”

ميزات ونهج Vectorize الفريدة

ما يميز Vectorize في مجال الذكاء الاصطناعي المزدحم هو نموذج الخدمة الذاتية و الأسعار حسب الاستخدام، مما يجعل التكنولوجيا المتقدمة للذكاء الاصطناعي متاحة للشركات جميع الأحجام. على عكس العديد من المنافسين الذين يتطلبون التزامات الشركات أو عمليات التهيئة الطويلة، Vectorize جاهزة للاستخدام على الفور. يمكن للمطورين والشركات التسجيل والبدء في بناء خطوط أنابيب الذكاء الاصطناعي دون الحاجة إلى استشارة مبيعات أو فترة انتظار.

بالإضافة إلى ذلك، توفر Vectorize القدرة على استيراد البيانات من أي مكان داخل المنظمة، مما يسمح للشركات بدمج مصادر البيانات المتنوعة، بما في ذلك أنظمة إدارة علاقات العملاء ونظم الملفات وقواعد المعرفة وأدوات التعاون. بمجرد استيرادها، توفر Vectorize للمستخدمين خيارات تحضير بيانات ذكية لاختبار وتحسين المناهج المختلفة قبل إنهاء خطوط الأنابيب الخاصة بهم.

تتوسع هذه المرونة إلى كيفية إدارة البيانات بعد النشر. يمكن للمستخدمين اختيار كيفية تحديث فهارس البحث الخاصة بهم بناءً على احتياجات مشاريعهم الفريدة، سواء كانت تحديثات متكررة أو متزامنة في الوقت الفعلي. تتضمن المنصة حتى استراتيجيات متقدمة لمنع الحمل الزائد المحتمل، مما يضمن أن النظام يمكنه التعامل مع البيانات بكفاءة دون الخوف من تدهور الأداء.

دمقرطة الذكاء الاصطناعي التوليدي

تتمثل مهمة Vectorize في جعل تطوير الذكاء الاصطناعي التوليدي متاحًا للجميع، من المطورين الصغيرة إلى الشركات الكبيرة. تدعم طبقة المجانية سخية للمشاريع الصغيرة وأولئك الذين يبدأون في استكشاف الذكاء الاصطناعي، في حين يضمن نموذج الدفع حسب الاستخدام أن يدفع العملاء فقط مقابل ما يستخدمونه، مما يجعله حلًا فعالًا من حيث التكلفة للشركات جميع الأحجام.

شدد نيكولاس وارد، الرئيس في Koddi ومتخصص استثمار ملاك في Vectorize، على إمكانات المنصة لتصبح تقنية ركنية للشركات التي تعتمد على الذكاء الاصطناعي عبر مجموعة من الصناعات. “لقد عملت مع مؤسسي Vectorize في الماضي، وشاهدت على مدار الوقت قدرتهم على معالجة تحديات البيانات المعقدة. منصة RAG موجهة لتصبح تقنية ركنية للشركات التي تعتمد على الذكاء الاصطناعي، من Adtech إلى Fintech وما بعدها.”

تحويل الذكاء الاصطناعي مع خطوط أنابيب RAG

في قلب منصة Vectorize تقع هيكلة خطوط أنابيب RAG، التي تبسّط عملية تحويل البيانات غير المهيكلة إلى فهرس بحث متجه يمكن استخدامه في الوقت الفعلي بواسطة نماذج الذكاء الاصطناعي. هذه العملية حاسمة لضمان أن تطبيقات الذكاء الاصطناعي لديها الوصول إلى البيانات الأكثر دقة ومحدّثة. عادةً ما تتضمن خط أنابيب RAG الخطوات التالية:

• الاستهلاك: يتم استهلاك البيانات من مجموعة متنوعة من المصادر، سواء كانت وثائق مخزنة في Google Drive أو طلبات دعم العملاء أو معلومات غير مهيكلة أخرى.
• التجزئة والتعيين: يتم تقسيم البيانات المستخرجة إلى قطع وتمثيلها باستخدام نماذج قوية مثل OpenAI’s text-embedding-ada-002. يتم تخزين هذه المتجهات في قاعدة بيانات متجهة، التي تشكل أساس خط أنابيب RAG.
• الاستمرارية والتجديد: بمجرد وضع البيانات في قاعدة بيانات المتجهات، يجب الحفاظ على التزامن مع المصدر الأصلي لضمان أن نماذج الذكاء الاصطناعي تعمل دائمًا مع أحدث المعلومات. تؤتمتة منصة RAG التابعة لشركة Vectorize هذه العملية، مما يسمح للمستخدمين بتحديث فهارس المتجه الخاصة بهم في الوقت الفعلي أو حسب الجدول.

تمكن هذه الهيكلة من النماذج اللغوية الكبيرة من استرجاع السياق اللازم وتقديم استجابات أكثر دقة، مما يقلل من مخاطر هلوسة الذكاء الاصطناعي أو الإجابات غير الصحيحة.

تشغيل الجيل التالي من الذكاء الاصطناعي

علاوة على الشركات الفردية، تعمل Vectorize مع لاعبين رئيسيين في نظام الذكاء الاصطناعي، بما في ذلك Elastic، شركة البحث. يتوسع التعاون في استخدام قدرات البحث المتجه الخاصة بـ Elastic من خلال منصة RAG التابعة لشركة Vectorize، مما يسمح للمطورين ببناء تجارب بحث مدفوعة بالذكاء الاصطناعي الجيل التالي.

“تعتزم Elastic جعل من السهل على المطورين بناء تجارب بحث الجيل التالي،” قال شاي بانون، المؤسس والمدير التقني في Elastic. “العمل مع Vectorize يسمح لنا بإحضار قاعدة بيانات Elasticsearch المتجه وقدرات البحث الهجين إلى المزيد من المستخدمين من خلال منصة RAG التابعة لشركة Vectorize.”

النظر إلى الأمام: مستقبل مشرق للذكاء الاصطناعي و Vectorize

مع استمرار الشركات في دمج الذكاء الاصطناعي في عملياتها، سيتزايد الطلب على أدوات مثل Vectorize. مع مزيجها الفريد من التكنولوجيا المتقدمة والمرونة والقيمة، تضع Vectorize معيارًا جديدًا لطريقة بناء الشركات لتطبيقات الذكاء الاصطناعي.

رؤية Vectorize واضحة: تمكين الشركات جميع الأحجام من استخدام إمكانات البيانات الخاصة بها بالكامل وtransformتها إلى استخبارات قابلة للتنفيذ من خلال الذكاء الاصطناعي. من خلال إزالة تعقيدات تحضير البيانات وإدارة خطوط الأنابيب، تسريع الشركة تطوير الذكاء الاصطناعي وجعل من السهل على الشركات تحقيق النتائج.