Η Seltz Συλλέγει 12,5 Εκατομμύρια Δολάρια Σε Seed Γύρο Για Να Δημιουργήσει Ένα Νέο Λεπτό Επίπεδο Αναζήτησης Για Τα Πράκτορες AI

Όσο οι πράκτορες AI γίνονται ολοένα και πιο ικανοί να εκτελούν έρευνα, να εκτελούν εργοflows και να λαμβάνουν αποφάσεις αυτονομία, μια αυξανόμενη πρόκληση έχει xuất hiện: το ίδιο το διαδίκτυο δεν σχεδιάστηκε ποτέ για μηχανές. Ενώ τα σημερινά μεγάλα μοντέλα γλώσσας μπορούν να συλλογισθούν, να συνοψίσουν και να δημιουργήσουν περιεχόμενο, εξακολουθούν να βασίζονται σε μεγάλο βαθμό σε συστήματα ανάκτησης που αρχικά κατασκευάστηκαν για ανθρώπους που κάνουν κλικ σε συνδέσμους. Η Seltz, μια εταιρεία που επικεντρώνεται στην ανοικοδόμηση της υποδομής αναζήτησης του διαδικτύου ειδικά για συστήματα AI, έχει ανακοινώσει einen γύρο Seed 12,5 εκατομμυρίων δολαρίων για να αντιμετωπίσει αυτό το χάσμα. Η χρηματοδότηση ηγήθηκε από την Speedinvest και την B Capital, με συμμετοχή από αρκετές εταιρείες venture και μια ομάδα συμβούλων και αγγέλων επενδυτών που προέρχονται από εταιρείες όπως η Amazon (AMZN ), η Google (GOOGL ), η Cohere, η Databricks, η Ramp και η Synthesia.

Γιατί οι Πράκτορες AI Χρειάζονται Ένα Διαφορετικό Είδος Μηχανής Αναζήτησης

Για δεκαετίες, η αναζήτηση στο διαδίκτυο έχει βελτιστοποιηθεί γύρω από την ανθρώπινη συμπεριφορά. Οι μηχανές αναζήτησης επιστρέφουν ταξινομημένες λίστες συνδέσμων, αποσπασμάτων και διαφημίσεων που σχεδιάστηκαν για να βοηθήσουν τους ανθρώπους να πλοηγηθούν σε ιστοσελίδες. Οι πράκτορες AI, ωστόσο, έχουν θεμελιωδώς διαφορετικές απαιτήσεις.

Αντί να περιηγούνται σε πολλές σελίδες, οι πράκτορες χρειάζονται δομημένες πληροφορίες που παραδίδονται γρήγορα, με σαφείς πηγές και αρκετό контекст για να υποστηρίξουν τη συλλογή. Η πρόκληση γίνεται ακόμη πιο σημαντική όταν οι πράκτορες εκτελούν πολλές αναζητήσεις κατά τη διάρκεια ενός seul εργοflow, όπου η καθυστέρηση συσσωρεύεται και η ποιότητα ανάκτησης επηρεάζει直接 την απόδοση.

Η Seltz υποστηρίζει ότι τα υπάρχοντα λύσεις αναζήτησης AI συχνά λειτουργούν ως περιτύλιγμα γύρω από παραδοσιακές μηχανές αναζήτησης όπως η Google, η Bing ή η Brave. Ενώ αυτά τα συστήματα λειτουργούν καλά για τους ανθρώπινους χρήστες, δεν κατασκευάστηκαν για να λειτουργούν ως υποδομή γνώσης για αυτόνομους λογισμικούς. Η προσέγγιση της εταιρείας είναι να κατασκευάσει ένα σύστημα ανάκτησης που σχεδιάστηκε από το έδαφος για κατανάλωση μηχανής αντί για ανθρώπινη πλοήγηση.

Κατασκευάζοντας Όλο το Στάκο Αναζήτησης

Ιδρυμένη από τον Antonio Mallia, του οποίου το υπόβαθρο περιλαμβάνει ερευνητικά ρόλους στην Amazon, Pinecone και Bloomberg, η Seltz έχει πάρει το πιο δύσκολο δρόμο κατασκευάζοντας και λειτουργώντας τη δική της υποδομή.

Αντί να βασίζεται σε τρίτους παρόχους αναζήτησης, η εταιρεία κατέχει ολόκληρη τη διαδικασία ανάκτησης, συμπεριλαμβανομένης της αναζήτησης του διαδικτύου, της εξαγωγής γνώσης, της ευρετηρίασης, της ανάκτησης και της κατάταξης. Αυτό το επίπεδο ελέγχου επιτρέπει στη Seltz να βελτιστοποιήσει κάθε στάδιο της διαδικασίας ειδικά για φορτία AI. Σύμφωνα με την εταιρεία, η κατοχή του σταδίου επίσης επιτρέπει στενότερο έλεγχο sobre την ποιότητα, την απόδοση, την πηγή και την μελλοντική ανάπτυξη προϊόντων.

Η API Γνώσης του Ιστού της Seltz παρέχει στους développers πραγματική πρόσβαση σε πληροφορίες του διαδικτύου που έχουν επεξεργαστεί και δομηθεί για χρήση από μεγάλα μοντέλα γλώσσας, συστήματα γεννήτριας με ανάκτηση (RAG) και αυτόνομους πράκτορες. Αντί να επιστρέφουν απλώς αποτελέσματα αναζήτησης, η πλατφόρμα επικεντρώνεται στην παράδοση πληροφοριών που είναι πλούσιες σε контекστ με πηγές που μπορούν να καταναλωθούν απευθείας από συστήματα AI.

Μια Αυξανόμενη Αγορά Για Υποδομή AI-Εγγενή

Η χρηματοδότηση έρχεται σε μια περίοδο αυξανόμενου ενδιαφέροντος για θεμελιώδη υποδομή AI. Πολύ από την πρόσφατη βόμβα AI έχει επικεντρωθεί σε παρόχους μοντέλων, chips και πλαισίων πράκτορων, αλλά η υποδομή ανάκτησης εμφανίζεται ως ένα άλλο κρίσιμο επίπεδο του σταδίου.

Ένας λόγος είναι ότι τα συστήματα AI ολοένα και περισσότερο αναμένονται να δουλεύουν με φρέσκα δεδομένα. Τα δεδομένα εκπαίδευσης γρήγορα γίνονται ξεπερασμένα, ιδιαίτερα σε περιοχές όπως τα νέα, οι κανονισμοί, οι τιμές, η τεχνική τεκμηρίωση και τα δεδομένα επιχείρησης. Ως αποτέλεσμα, η ανάκτηση σε πραγματικό χρόνο γίνεται ολοένα και πιο απαραίτητη για πολλές παραγωγικές εφαρμογές AI.

Η Seltz θέτει τον εαυτό της ως παρόχου αυτού του επιπέδου ανάκτησης. Αντί να ανταγωνίζεται άμεσα τις καταναλωτικές μηχανές αναζήτησης, η εταιρεία στοχεύει τους développers, τα startups AI-εγγενή, τα εργαστήρια AI-μετωπικά και τις επιχειρήσεις που κατασκευάζουν συστήματα που απαιτούν αξιόπιστη πρόσβαση σε τρέχοντα δεδομένα. Αυτό αντανακλά μια ευρύτερη μετατόπιση προς ειδική υποδομή που σχεδιάστηκε ειδικά για αλληλεπιδράσεις μηχανής-μηχανής αντί για ανθρώπινες διεπαφές.

Η Απόδοση και Η Βελτιστοποίηση Γίνονται Ανταγωνιστικά Πλεονεκτήματα

Η ποιότητα αναζήτησης είναι γνωστό ότι είναι δύσκολο να μετρηθεί, ιδιαίτερα όταν αξιολογούνται συστήματα που προορίζονται για πράκτορες AI αντί για ανθρώπινους χρήστες. Για να αντιμετωπίσουν αυτό, η Seltz πρόσφατα έκανε την Dynamic News Search Benchmark (DNSB), một δημόσιο βENCHMARK που σχεδιάστηκε για να αξιολογήσει την ποιότητα ανάκτησης και την καθυστέρηση σε διάφορους παρόχους αναζήτησης AI.

Η εταιρεία αναφέρει ισχυρά αποτελέσματα και στην ταχύτητα ανάκτησης και στην αποτελεσματικότητα. Προηγούμενες ενημερώσεις προϊόντων τόνισαν την καθυστέρηση ανάκτησης που μετράται σε εκατοντάδες χιλιοστά του δευτερολέπτου, ένα σημαντικό παράγοντα για πράκτορες που μπορεί να εκτελέσουν πολλές αναζητήσεις κατά τη διάρκεια σύνθετων εργασιών συλλογισμού. Ταχύτερη ανάκτηση δεν μόνο βελτιώνει την εμπειρία χρήστη αλλά μπορεί επίσης να μειώσει το κόστος υπολογισμού μειώνοντας τον χρόνο που οι μονάδες περιμένουν για εξωτερικές πληροφορίες.

Η έμφαση στις βελτιστοποιήσεις αντανακλά μια ευρύτερη τάση σε όλη την υποδομή AI, όπου μετρήσιμες μετρικές απόδοσης γίνονται ολοένα και πιο σημαντικές καθώς οι επιχειρήσεις αξιολογούν ανταγωνιστικά πλαίσια.

Επεκτείνοντας Πέρα Από Τα Αποτελέσματα Αναζήτησης

Ενώ η αναζήτηση στο διαδίκτυο παραμένει ο πυρήνας της εταιρείας, η Seltz έχει ήδη αρχίσει να επεκτείνει τις ικανότητες της πλατφόρμας. Πρόσφατες κυκλοφορίες προϊόντων περιλαμβάνουν φίλτρα ημερομηνίας δημοσίευσης, φίλτρα ελέγχου domaine, ολοκληρώσεις και εργαλεία που σχεδιάστηκαν για να βοηθήσουν τους développers να διαχειριστούν την ποιότητα και την φρεσκάδα των ανακτημένων πληροφοριών. Η εταιρεία έχει επίσης κυκλοφορήσει χαρακτηριστικά που στοχεύουν στο να κάνουν την γνώση του διαδικτύου σε πραγματικό χρόνο πιο προσιτή μέσα στα εργαflows και τα πλαισια πράκτορων AI.

Αυτές οι προσθήκες υποδηλώνουν ότι η Seltz βλέπει την ανάκτηση όχι ως μια αυτόνομη λειτουργία, αλλά ως ένα ευρύτερο επίπεδο υποδομής γνώσης που μπορεί να ολοκληρωθεί σε όλη την επιχείρηση, τις εφαρμογές και τα αυτόνομα εργαflows.

Οι Ευρύτερες Επιπτώσεις Της Υποδομής Αναζήτησης AI-Εγγενή

Τεχνολογίες όπως η Seltz δείχνουν προς μια ευρύτερη εξέλιξη στο πώς τα συστήματα AI αλληλεπιδρούν με το διαδίκτυο. Οι παραδοσιακές μηχανές αναζήτησης σχεδιάστηκαν γύρω από ανθρώπινες εργοflows, όπου οι χρήστες αξιολογούν συνδέσμους, συγκρίνουν πηγές και καθορίζουν τη σχετικότητα τους οι ίδιοι. Οι πράκτορες AI, από την άλλη πλευρά, απαιτούν συστήματα ανάκτησης που μπορούν να επιφέρουν γρήγορα αξιόπιστες πληροφορίες σε μορφές που είναι βελτιστοποιημένες για τη συλλογή και την αυτοματοποίηση.

Η ανάπτυξη αφιερωμένης υποδομής ανάκτησης μπορεί επίσης να επηρεάσει την επόμενη γενιά των εφαρμογών AI. Ταχύτερη πρόσβαση σε φρέσκα δεδομένα μπορεί να βελτιώσει την απόδοση των συστημάτων που λειτουργούν σε περιοχές όπως η επιχειρηματική ευφυΐα, η οικονομική ανάλυση, η επιστημονική έρευνα, η κυβερνοασφάλεια και η υποστήριξη αποφάσεων σε πραγματικό χρόνο. Ταυτόχρονα, μεγαλύτερη έμφαση στην πηγή και την επαλήθευση μπορεί να βοηθήσει να αντιμετωπιστούν οι συνεχιζόμενες ανησυχίες γύρω από τις ψευδαισθήσεις, τα παλιά δεδομένα και την διαφάνεια AI.

Όσο οι οργανισμοί αναπτύσσουν ολοένα και πιο αυτόνομους συστήματα, το επίπεδο ανάκτησης μπορεί να γίνει ένα κρίσιμο συστατικό του σταδίου AI, δίπλα στα μοντέλα, τις βάσεις δεδομένων διανύσματος και τα πλαισια ορχήστρας. Οι εταιρείες που κατασκευάζουν αυτές τις θεμελιώδεις τεχνολογίες βοηθούν στην καθιέρωση της υποδομής που θα μπορούσε να υποστηρίξει πιο αξιόπιστα, υπεύθυνα και πληροφορημένα συστήματα AI στα χρόνια που έρχονται.