Redpine Kerää 8 Miljoonan Dollarin Siemenrahoituksen Rakentamaan Tiedon Kerrosta, Joka Mahdollistaa Seuraavan Sukupolven Älyagenttien Kehittämisen

Tukholmassa toimiva Redpine on kerännyt 8 miljoonan dollarin siemenrahoituksen kiihdyttääksensa globaalia laajentumistaan ja kehittääkseen alustaa, joka antaa älyagenttien pääsyn premium- ja ei-julkisiin tietoihin.

Rahoituksen johtajana toimi NordicNinja, johon osallistuivat myös Luminar Ventures ja node.vc, sekä strategiset enkelisijoittajat, kuten OpenAI:n, Perplexityn ja Spotify:n johtajat, sekä SiloAI:n, Validion ja Sanan perustajat. NordicNinja:n yleisjohtaja Marek Kiisa liittyy hallitukseen.

Rahoitus käytetään laajentamaan Redpinen omistamien tietopartnersuuksien verkostoa ja kehittämään sen ydin-alustaa, mukaan lukien sen hakujen ja uudelleenarvosteluun liittyvää teknologiaa, jota johtaa perustajana toimiva tieteilijä Dr. Leonora Vesterbacka. Yritys laajentaa myös tiimiään insinöörien, tieteilijöiden ja markkinointitiimin parissa, ja rekrytoi kykyjä organisaatioista kuten Spotify, Sana, Zettle, Lunar, McKinsey, CERN ja H&M.

Rakentamassa Pääsyä Tietoihin, Jota Useimmat Älyjärjestelmät Eivät Voikaan Käyttää

Redpinen perusajatus on yksinkertainen. Nykyiset älyjärjestelmät on koulutettu maailman tiedon kapeaan osaan. Vaikka julkisen verkkotiedon on mahdollistettu suurten kielen mallien kehitys, se edustaa vain pientä osaa maailman kokonaistiedosta.

Yritys arvioi, että vain 1-2 prosenttia tietoa on tällä hetkellä käytettävissä älykäytölle. Sen alusta on suunniteltu avaamaan loput enemmistöä mahdollistamalla mukautetun, lisensoitun pääsyn omistajiin kuuluvien tietojoukkoihin eri aloilla.

Redpinen alustan kautta sisällön omistajat, kustantajat ja tietojen tarjoajat voivat tarjota ohjattua pääsyä tietoihinsa, kun taas älykehitys- ja älyagentit voivat etsiä, arvioida ja maksaa tietoja yhdenmukaisen API-kerroksen kautta. Tämä asettaa Redpinen infrastruktuuriksi eikä mallin rakentajaksi, toimien markkinapaikkana ja toimitusjärjestelmänä korkealaatuisille tiedoille.

Päättömän Älyagenttien API

Tuotteiden tasolla Redpine toimii päättömänä API-kerroksena, joka yhdistää älyjärjestelmät suoraan premium-tietoihin. Alusta tukee useita tietotyyppejä, kuten tekstiä, kuvia, videoita, ääntä ja koodia, ja on suunniteltu toimimaan äly-elinkaaren ympärillä, koulutuksesta ja hienosäätelystä reaaliaikaisiin hakuihin.

Alustan keskeinen osa on sen hakujen ja uudelleenarvosteluun liittyvä teknologia, joka arvioi tietojen laatua reaaliajassa. Sen sijaan, että paljastaa raakatietyt, alusta priorisoi relevantin ja luotettavan tiedon, mikä auttaa vähentämään harhaluuloja ja parantamaan päätöksentekoa.

Tämä on erityisen tärkeää aloilla, joilla tarkin on kriittistä, kuten terveydenhuollossa, oikeudessa, rahoituksessa ja tieteellisessä tutkimuksessa. Nämä ovat osa aloja, joilla Redpine keskittyy ponnisteluihinsa.

Uudelleenajattelua Siitä, Miten Äly Käyttää Tietoja

Jos tämä malli saa jalansijaa, se muuttaa, miten älyjärjestelmiä rakennetaan ja otetaan käyttöön. Sen sijaan, että riippuisivat voimakkaasti staattisista koulutusjoukoista, älyagentit voivat toimia yhä enemmän vedostamalla vahvistettuja, ajantasaisia tietoja lisensoitujen lähteiden kautta.

Tämä siirtäisi alan lähemmäs reaaliaikaisia tietoja, jossa mallit ovat vähemmän riippuvaisia siitä, mihin ne on koulutettu, ja enemmän siitä, mitä ne voivat käyttää hetkellä, jolloin päätös tehdään. Se esittelee myös enemmän rakennetun taloudellisen kerroksen tietojen ympärillä, jossa pääsy on mitattu, hinnoiteltu ja hallittu selkeiden käyttöoikeuksien kautta.

Yrityksille tämä voisi vähentää tarvetta keskittää herkkää tietoa koulutusta varten, koska agentit voivat kysyä ulkoisia tietoja ilman, että ne joutuvat ottamaan ne pysyvästi vastaan. Tietojen omistajille se luo suoran tien rahdata omia tietoja ilman, että he menettävät hallinnan jakelun yli.

Ajan myötä tämänkaltaisen infrastruktuurin voisi johtaa enemmän modulaariseen älyekosysteemiin, jossa mallit, agentit ja tietolähteet ovat löyhästi kytkettyjä. Tällaisessa ympäristössä kilpailuetu voi riippua vähemmän mallin koosta yksin ja enemmän tiedon laadusta, yksinomaisuudesta ja saatavuudesta, johon nämä järjestelmät voivat päästä.