Hirundo Kerää 8 Miljoonaa Dollaria Taistellakseen Tekoälyhallusinaatioita Vastaan Koneen Unohdusmenetelmällä

Hirundo, ensimmäinen tekoälyyn keskittyvä startup, joka on omistautunut koneen unohdusmenetelmälle, on kerännyt 8 miljoonaa dollaria siemensijoituksena osoittamaan joitain tekoälyn suurimpia haasteita: hallusinaatiot, harhat ja upotetut tietoturvaongelmat. Sijoituskeräys johti Maverick Ventures Israel osallistumisella SuperSeed, Alpha Intelligence Capital, Tachles VC, AI.FUND ja Plug and Play Tech Center.

Tekoäly Älykkyyden Unohdus: Koneen Unohdusmenetelmän Lupaus

Toisin kuin perinteiset tekoälytyökalut, jotka keskittyvät tekoälytulosten hienosäätöön tai suodattamiseen, Hirundon ydininnovaatio on koneen unohdusmenetelmä – menetelmä, joka sallii tekoälymallien “unohtaa” tiettyä tietoa tai käyttäytymistä jo sen jälkeen, kun ne on koulutettu. Tämä lähestymistapa mahdollistaa yritysten poistaa hallusinaatiot, harhat, henkilökohtaiset tai omistajien tiedot sekä vihamieliset haavoittuvuudet jo käytössä olevista tekoälymallista ilman uudelleenkoulutusta. Suurten mallien uudelleenkoulutus voi kestää viikkoja ja miljoonia dollareita; Hirundo tarjoaa paljon tehokkaamman vaihtoehdon.

Hirundo vertaa tätä prosessia tekoälyneurokirurgiaan: yritys määrittää tarkasti, mistä kohdasta mallin parametreissa ei-toivotut tulokset alkavat ja poistaa ne tarkasti, säilyttäen suorituskyvyn. Tämä uraauurtava tekniikka antaa organisaatioille mahdollisuuden korjata malleja tuotantoympäristössä ja käyttää tekoälyä paljon suuremmalla luottamuksella.

Miksi Tekoälyhallusinaatiot Ovät Niin Vaarallisia

Tekoälyhallusinaatiot viittaavat mallin taipumukseen luoda väärää tai harhaanjohtavaa tietoa, joka kuulostaa uskottavalta tai jopa tosiasialta. Nämä hallusinaatiot ovat erityisen ongelmallisia yritysympäristöissä, joissa virheelliseen tietoon perustuvat päätökset voivat johtaa oikeudelliseen vastuuseen, operaatiovirheisiin ja mainevahinkoon. Tutkimukset ovat osoittaneet, että 58-82% “tiedoista”, jotka tekoäly luottaa oikeudellisiin kysymyksiin, sisälsivät jonkinlaista hallusinaatiota.

Vaikka yritykset vähentää hallusinaatioita käyttämällä varotoimia tai hienosäätöä, nämä menetelmät usein peittävät ongelman sijaan poistamalla sen. Varotoimet toimivat suodattimina, ja hienosäätö yleensä epäonnistuu poistamaan ongelman juurisyytä – erityisesti, kun hallusinaatio on syvästi juurtunut mallin oppimissa painoissa. Hirundo menee tämän menetelmiä pidemmälle poistamalla käyttäytymisen tai tiedon itse mallista.

Skaalautuva Alusta Mille Tahansa Tekoälypinolle

Hirundon alusta on suunniteltu joustavuutta ja yritysluokan käyttöön. Se integroituu sekä generatiivisiin että ei-generatiivisiin järjestelmiin laajalla skaalalla eri tietotyyppejä – luonnollinen kieli, visio, tutka, LiDAR, taulukko, puhe ja aikasarja. Alusta havaitsee automaattisesti väärinmerkityt kohteet, poikkeamat ja epäselvyydet koulutusdatasta. Sitten se sallii käyttäjien virheellisten tulosten debuggaamisen ja jäljittämisen takaisin ongelmallisiin koulutusdataan tai oppimispainoihin, jotka voidaan unohtaa välittömästi.

Tämä kaikki saavutetaan ilman työnkulun muutoksia. Hirundon SOC-2-sertifioitu järjestelmä voidaan suorittaa SaaS-palveluna, yksityisen pilven (VPC) kautta tai jopa ilman yhteyttä paikallisesti, mikä tekee siitä soveltuvan herkkien ympäristöjen, kuten rahoituksen, terveydenhuollon ja puolustuksen, tarpeisiin.

Osoitettu Vaikutus Mallien Yli

Yritys on jo osoittanut vahvan suorituskyvyn parantamisen suurten kielen mallien (LLM) yli. Testeissä, joissa käytettiin Llamaa ja DeepSeekiä, Hirundo saavutti 55% vähennyksen hallusinaatioissa, 70% vähennyksen harhassa ja 85% vähennyksen onnistuneissa kehotushyökkäyksissä. Nämä tulokset on vahvistettu itsenäisillä mittareilla, kuten HaluEval, PurpleLlama ja Bias Benchmark Q&A.

Vaikka nykyiset ratkaisut toimivat hyvin avoimilla malleilla, kuten Llama, Mistral ja Gemma, Hirundo laajentaa tukensa myös suljettuihin malleihin, kuten ChatGPT ja Claude. Tämä tekee heidän teknologiansa soveltuvaksi koko tekoälymallien spektrille.

Perustajat Akateemisella ja Teollisella Syvyydellä

Hirundo perustettiin vuonna 2023 kolmen asiantuntijan ryhmän toimesta, jotka ovat akateemisen ja teollisen tekoälyn risteyksessä. Toimitusjohtaja Ben Luria on Rhodes-stipendiaatti ja entinen vieraileva tutkija Oxfordin yliopistossa, joka aiemmin perusti fintech-yritys Worqlyn ja yhteisöjärjestön ScholarsIL, joka tukee korkeakoulutusta. Michael Leybovich, Hirundon CTO, on entinen jatko-opiskelija Technionissa ja palkittu tutkimusjohtaja Ofek324:ssä. Prof. Oded Shmueli, yrityksen tieteilijä, on entinen tietojenkäsittelytieteen dekaani Technionissa ja on toiminut tutkijana IBM:llä, HP:llä, AT&T (T ):llä ja muissa.

Heidän yhteinen kokemuksensa kattaa perustavanlaatuista tekoälytutkimusta, todellisen käytön ja turvallisen datanhallinnan, mikä tekee heistä ainutlaatuisesti päteviä ratkaisemaan tekoälyteollisuuden nykyistä luotettavuuskriisiä.

Sijoittajien Tuki Luotettavalle Tekoälytulevaisuudelle

Sijoittajat tässä kierroksessa ovat linjassa Hirundon visiota luotettavan, yrityksille sopivan tekoälyn rakentamisesta. Yaron Carni, Maverick Ventures Israelin perustaja, korosti kiireellistä tarvetta alustalle, joka voi poistaa hallusinoitua tai harhaanjohtavaa tietoa ennen kuin se aiheuttaa todellista vahinkoa. ”Ilman hallusinaatioiden tai harhaanjohtavan tiedon poistamista tekoälystä, päädytämme vääristämään tuloksia ja rohkaisemaan epäluottamusta”, hän sanoi. ”Hirundo tarjoaa tekoälytriage-järjestelmän – poistaa epätotuuksia tai tietoa, joka perustuu syrjivään lähteeseen, ja muuttaa täysin tekoälyn mahdollisuuksia.”

SuperSeedin toimitusjohtaja, Mads Jensen, toisti tämän näkemyksen: ”Sijoitamme poikkeuksellisiin tekoälyyrityksiin, jotka muuttavat teollisuuden pystyjä, mutta tämä muutos on voimakas vain, jos mallit itse ovat luotettavia. Hirundon lähestymistapa koneen unohdusmenetelmään osoittaa kriittisen aukon tekoälykehityksen elinkaarella.”

Ratkaisemalla Kasvavaa Haaste Teollisuuden Kehittämisessä

Kun tekoälyjärjestelmiä yhdistetään yhä enemmän kriittisiin infrastruktuureihin, huolenaiheita hallusinaatioista, harhasta ja upotetusta herkkädatasta tulee vaikeampaa jättää huomiotta. Nämä ongelmat aiheuttavat merkittäviä riskejä korkean panoksen ympäristöissä, aina rahoituksesta terveydenhuoltoon ja puolustukseen.

Koneen unohdusmenetelmä on nouseva tärkeäksi työkaluksi tekoälyteollisuuden reagoinnissa kasvaviin huolenaiheisiin mallien luotettavuudesta ja turvallisuudesta. Kun hallusinaatiot, upotettu harha ja herkkädatan paljastuminen yhä enemmän horjuttavat luottamusta käytössä oleviin tekoälyjärjestelmiin, unohdusmenetelmä tarjoaa suoran tavan lieventää näitä riskejä – mallin koulutuksen jälkeen ja käytössä.

Sen sijaan, että riippuisi uudelleenkoulutuksesta tai pintaan suunnatuista korjauksista, kuten suodattamisesta, koneen unohdusmenetelmä mahdollistaa ongelmallisten käyttäytymisen ja datan poistamisen jo tuotannossa olevista malleista. Tämä lähestymistapa saa jalansijaa yrityksissä ja viranomaisten keskuudessa, jotka etsivät skaalautuvia, mukautuvia ratkaisuja korkean panoksen sovelluksiin.