Rahoitus
Noeri kerää 110 miljoonaa dollaria rakentaakseen yrityksille itseään kehittävää tekoälyä

Keskeiset kohdatNoerin järjestelmä parantaa malleja ja työkaluja asiakkaiden työnkulkujen ympärillä sen…
Näytä lisää
- Noerin järjestelmä parantaa malleja ja työkaluja asiakkaiden työnkulkujen ympärillä sen sijaan, että se myisi yhtä yleiskäyttöistä mallia.
- Jokainen ehdotettu muutos päätyy ihmisen hyväksyttäväksi koodikatselmointia muistuttavan tarkistusprosessin kautta.
- Perustajat väittävät, että älykkyys tulisi hajauttaa moniin erikoistuneisiin asiakkaiden omistamiin järjestelmiin yhden keskitetyn superälyn sijaan.
Noeri ilmoitti toimintansa käynnistämisestä ja 110 miljoonan dollarin rahoituksesta 16. marraskuuta 2026. Menlo Ventures johti rahoituskierrosta, jolla tuetaan yhtiön työtä yrityksille ja tieteelliseen tutkimukseen tarkoitetun itseään kehittävän tekoälyn parissa.
Myös Madrona Venture Group, Kindred Ventures, Wing Venture Capital ja NEA osallistuivat rahoitukseen, ja Cisco Investments, NVIDIA sekä Snowflake tulivat mukaan strategisina sijoittajina. Stanfordin yliopiston tietojenkäsittelytieteen professorit Yejin Choi ja Carlos Guestrin perustivat Noerin vuonna 2026, ja he toimivat yhtiön yhteistoimitusjohtajina. Yhtiön päätoimipaikka on Palo Altossa, ja sillä on toimisto Zürichissä.
Tekoälyn räätälöinti asiakkaiden työhön
Noeri pyrkii ratkaisemaan ongelman, jonka eteen yritykset usein joutuvat: pitäisikö maksaa enemmän tehokkaimmasta yleiskäyttöisestä mallista vai tyytyä edullisemman vaihtoehdon heikompiin tuloksiin. Yhtiön mukaan sen järjestelmä perehtyy organisaation dataan ja työnkulkuihin ja kehittää sitten niitä tukevia ohjelmistoja, taitoja, ohjeita ja työkaluja sekä valitsee kullekin työvaiheelle sopivan mallin. Tarvittaessa se voi myös muokata mallien taustalla olevia parametreja.
Tuotekuvauksessa esitellään agentteja, jotka oppivat tehtävistä, epäonnistumisista, korjauksista ja todellisesta tuotantoliikenteestä ilman suurta merkittyä aineistoa. Ne voivat kehittää taitojaan, työkalujaan ja orkestrointiaan, luoda uusia työkaluja, jos nykyiset eivät riitä, sekä kouluttaa malleja asiakkaan työaineistolla. Laatua ja kustannuksia mitataan asiakkaan omassa liikenteessä ja sen omilla mittareilla julkisten vertailutestien sijaan, jolloin ehdotetut parannukset ovat kyseiseen käyttöönottoon räätälöityjä.
Noerin mukaan jokainen muutos selitetään ja toimitetaan ihmisen hyväksyttäväksi koodikatselmointia muistuttavan prosessin kautta. Järjestelmä toimii sekä suljettujen että avoimilla painoilla julkaistujen mallien kanssa, ja se on suunniteltu mukautumaan uusien mallien tullessa saataville. Asiakas säilyttää datansa omistuksen ja omistaa järjestelmän avulla kehitetyt työnkulut ja mallit, mutta sovellettavia kolmansien osapuolten mallilisenssejä on silti noudatettava.
Tutkimuksen tavoitteena jatkuva oppiminen ja uudet löydöt
Noeri aikoo hyödyntää samaa teknologiaa myös hypoteesien muodostamiseen, kokeiden tekemiseen ja tuloksista oppimiseen tieteellisessä työssä, joka liittyy molekyyleihin, proteiineihin ja monimutkaisiin teknisiin järjestelmiin. Yhtiön mukaan avoin tutkimus haastaa suurten mallien kustannustehokkuuden, sillä pitkäjänteinen haku vaatii huomattavasti enemmän laskentatehoa kuin yksittäisen vastauksen tuottaminen. Yhtiö ehdottaa ratkaisuksi pienempiä, erikoistuneita malleja, joiden avulla tällainen haku voidaan tehdä kohtuuhintaiseksi.
Yhtiön tutkimusohjelmaan kuuluu tekoälyn kehittämisen automatisointi, erikoistuminen tehokkaasti rajallisen datan pohjalta, jatkuva oppiminen ilman aiemmin opitun unohtamista sekä uusien löytöjen tekeminen haun, päättelyn ja mallitiimien avulla. Painopisteet perustuvat perustajien työhön testiaikaisen koulutuksen, itse-tislauksen ja agenttien orkestroinnin parissa. Näissä lähestymistavoissa mallit oppivat käyttöönoton jälkeen, oppivat omista virheistään tai koordinoivat muita malleja ja työkaluja.
Visiossaan Choi ja Guestrin esittävät, että älykkyyden tulisi jakautua useisiin erikoistuneisiin, asiakkaiden omistamiin järjestelmiin sen sijaan, että se keskittyisi yhteen keskitettyyn superälyyn. Heidän mukaansa tehtävän mukaan mitoitetut mallit ovat myös edullisempia ja kuluttavat vähemmän energiaa, ja käyttötarkoitukseen rakennetut järjestelmät on helpompi määritellä, testata ja valvoa.
Noerin mukaan sen ensimmäiset konseptin toimivuuden osoittamiseen tähtäävät kumppanuudet kattavat yritys- ja tiedealoja. Yhtiö tekee yhteistyötä myös strategisten kumppaneiden kanssa eri toimialoilla, mukaan lukien joidenkin sijoittajien kanssa. Se valitsee kumppaneiksi monipuolisen joukon, jotta teknologia oppii yleistämään ennen kuin sitä erikoistetaan yksittäisten asiakkaiden tarpeisiin.
Perustajat ja ensimmäinen koetinkivi
Guestrin perusti aiemmin Turi-koneoppimisalustan, jonka Apple osti vuonna 2016, ja rakensi myöhemmin Applen keskitetyn koneoppimis- ja tekoälyorganisaation, jota hän myös johti. Choi on MacArthur-stipendiaatti, jonka tutkimus keskittyy pienempien tekoälymallien kyvykkyyden parantamiseen. Hän on aiemmin työskennellyt professorina University of Washingtonissa ja vanhempana johtajana Allen Institute for AI:ssa. Noeri rekrytoi tutkijoita ja insinöörejä Palo Altossa ja Zürichissä.
Uuden tutkimuslaboratorion välitön koetinkivi on se, pystyvätkö kumppanuudet muuttamaan sen tutkimustyön toistettaviksi parannuksiksi, jotka näkyvät asiakkaiden omissa laatu- ja kustannusmittareissa, samalla kun tuotteen keskiössä olevat ihmisen hyväksyntään ja omistajuuteen liittyvät hallintakeinot säilyvät.












