हिरुंडो ने एआई हल्यूसिनेशन्स को मशीन अनलर्निंग के साथ टैकल करने के लिए $8M जुटाए

हिरुंडो, मशीन अनलर्निंग के लिए पहला स्टार्टअप, ने एआई में कुछ सबसे दबाव वाली चुनौतियों का सामना करने के लिए $8 मिलियन की सीड फंडिंग जुटाई है: हल्यूसिनेशन, पूर्वाग्रह, और एम्बेडेड डेटा कमजोरियां। इस दौर का नेतृत्व मावेरिक वेंचर्स इज़राइल ने किया था, जिसमें सुपरसीड, अल्फा इंटेलिजेंस कैपिटल, टैकल्स वीसी, एआई.फंड, और प्लग एंड प्ले टेक सेंटर ने भाग लिया।

एआई को भूलने के लिए बनाना: मशीन अनलर्निंग का वादा

पारंपरिक एआई टूल्स के विपरीत, जो एआई आउटपुट को परिष्कृत या फिल्टर करने पर ध्यान केंद्रित करते हैं, हिरुंडो की मुख्य नवाचार मशीन अनलर्निंग है – एक तकनीक जो एआई मॉडल को पहले से ही प्रशिक्षित होने के बाद विशिष्ट ज्ञान या व्यवहार को “भूलने” की अनुमति देती है। यह दृष्टिकोण उद्यमों को तैनात एआई मॉडल से हल्यूसिनेशन, पूर्वाग्रह, व्यक्तिगत या प्रोप्राइटरी डेटा, और विरोधी कमजोरियों को सर्जिकल रूप से हटाने में सक्षम बनाता है, बिना उन्हें स्क्रैच से पुनः प्रशिक्षित किए। बड़े पैमाने पर मॉडल को पुनः प्रशिक्षित करने में कई सप्ताह और लाखों डॉलर लग सकते हैं; हिरुंडो एक बहुत अधिक कुशल विकल्प प्रदान करता है।

हिरुंडो इस प्रक्रिया को एआई न्यूरोसर्जरी के रूप में वर्णित करता है: कंपनी यह निर्धारित करती है कि एक मॉडल के पैरामीटर में अवांछित आउटपुट कहां से उत्पन्न होते हैं और उन्हें सटीक रूप से हटा देती है, प्रदर्शन को संरक्षित करते हुए। यह ग्राउंडब्रेकिंग तकनीक संगठनों को उत्पादन वातावरण में मॉडल को ठीक करने और एआई को बहुत अधिक आत्मविश्वास के साथ तैनात करने में सक्षम बनाती है।

एआई हल्यूसिनेशन इतने खतरनाक क्यों हैं

एआई हल्यूसिनेशन एक मॉडल की प्रवृत्ति को संदर्भित करता है जो झूठी या भ्रामक जानकारी उत्पन्न करता है जो वास्तविक या तथ्यात्मक लगती है। ये हल्यूसिनेशन विशेष रूप से उद्यम वातावरण में समस्याग्रस्त हैं, जहां गलत जानकारी पर आधारित निर्णय कानूनी जोखिम, संचालन त्रुटियों और प्रतिष्ठा को नुकसान पहुंचा सकते हैं। अध्ययनों से पता चला है कि 58 से 82% “तथ्य” जो एआई द्वारा कानूनी प्रश्नों के लिए उत्पन्न किए जाते हैं में कुछ प्रकार के हल्यूसिनेशन शामिल थे।

गार्डरेल्स और फाइन-ट्यूनिंग का उपयोग करके हल्यूसिनेशन को कम करने के प्रयासों के बावजूद, ये तरीके अक्सर समस्याओं को छिपाते हैं而 नहीं समाप्त करते हैं। गार्डरेल्स फिल्टर की तरह काम करते हैं, और फाइन-ट्यूनिंग आमतौर पर मॉडल के सीखे हुए वजन में गहराई से बेक्ड हल्यूसिनेशन के मूल कारण को हटाने में विफल रहती है। हिरुंडो इसके परे जाता है और वास्तव में मॉडल से व्यवहार या ज्ञान को हटा देता है।

किसी भी एआई स्टैक के लिए एक स्केलेबल प्लेटफ़ॉर्म

हिरुंडो का प्लेटफ़ॉर्म लचीलेपन और उद्यम-ग्रेड तैनाती के लिए बनाया गया है। यह जेनरेटिव और नॉन-जेनरेटिव सिस्टम दोनों के साथ एकीकृत होता है, विभिन्न प्रकार के डेटा प्रकारों के साथ – प्राकृतिक भाषा, दृष्टि, रडार, लिडार, टेबुलर, भाषण और समय श्रृंखला। प्लेटफ़ॉर्म स्वचालित रूप से प्रशिक्षण डेटा में गलत लेबल वाले आइटम, आउटलियर और अस्पष्टताओं का पता लगाता है। फिर यह उपयोगकर्ताओं को विशिष्ट दोषपूर्ण आउटपुट को डिबग करने और उन्हें समस्याग्रस्त प्रशिक्षण डेटा या सीखे हुए व्यवहार के लिए वापस ट्रेस करने की अनुमति देता है, जिन्हें तुरंत अनलर्न किया जा सकता है।

यह सब वर्कफ्लो को बदले बिना प्राप्त किया जाता है। हिरुंडो की एसओसी-2 प्रमाणित प्रणाली को सास, प्राइवेट क्लाउड (वीपीसी), या यहां तक कि एयर-गैप्ड ऑन-प्रिमाइसेस पर चलाया जा सकता है, जिससे यह संवेदनशील वातावरण जैसे वित्त, स्वास्थ्य सेवा और रक्षा के लिए उपयुक्त है।

मॉडल्स में प्रदर्शित प्रभाव

कंपनी ने पहले से ही लोकप्रिय बड़े भाषा मॉडल (एलएलएम) में मजबूत प्रदर्शन सुधार का प्रदर्शन किया है। लामा और डीपसीक में परीक्षणों में, हिरुंडो ने हल्यूसिनेशन में 55% की कमी, पूर्वाग्रह में 70% की कमी, और सफल प्रॉम्प्ट इंजेक्शन हमलों में 85% की कमी हासिल की। इन परिणामों को स्वतंत्र बेंचमार्क जैसे हैल्यूएवल, पर्पललामा, और बायस बेंचमार्क क्यू एंड ए का उपयोग करके सत्यापित किया गया है।

वर्तमान समाधान खुले स्रोत मॉडल जैसे लामा, मिस्ट्रल और जेमा के साथ अच्छा काम करते हैं, हिरुंडो गेटेड मॉडल जैसे चैटजीपीटी और क्लाउड के लिए समर्थन का विस्तार कर रहा है। इससे उनकी प्रौद्योगिकी उद्यम एलएलएम के पूरे स्पेक्ट्रम में लागू होती है।

अकादमिक और उद्योग की गहराई के साथ संस्थापक

हिरुंडो की स्थापना 2023 में अकादमिक और उद्यम एआई के त्रिकोणीय बिंदु पर तीन विशेषज्ञों द्वारा की गई थी। सीईओ बेन लुरिया एक रोड्स स्कॉलर और ऑक्सफोर्ड में एक पूर्व विजिटिंग फेलो हैं, जिन्होंने पहले फिनटेक स्टार्टअप वर्कली और स्कॉलर्सआईएल, एक गैर-लाभकारी संस्था की स्थापना की थी जो उच्च शिक्षा का समर्थन करती है। माइकल लेव्योविच, हिरुंडो के सीटीओ, टेक्नियन में एक पूर्व स्नातक शोधकर्ता और ऑफेक 324 में एक पुरस्कार विजेता आरएंडडी अधिकारी हैं। प्रोफेसर ओडेड श्मुएली, कंपनी के मुख्य वैज्ञानिक, टेक्नियन में कंप्यूटर विज्ञान के पूर्व डीन हैं और आईबीएम, एचपी, एटी एंड टी और अधिक में शोध पदों पर रह चुके हैं। (T )

उनका सामूहिक अनुभव मूल एआई अनुसंधान, वास्तविक दुनिया तैनाती, और सुरक्षित डेटा प्रबंधन में फैला हुआ है – उन्हें एआई उद्योग के वर्तमान विश्वसनीयता संकट को संबोधित करने के लिए विशिष्ट रूप से योग्य बनाता है।

एक विश्वसनीय एआई भविष्य के लिए निवेशक समर्थन

इस दौर के निवेशक हिरुंडो के विश्वसनीय, उद्यम-तैयार एआई बनाने के दृष्टिकोण के साथ जुड़े हुए हैं। यारोन कार्नी, मावेरिक वेंचर्स इज़राइल के संस्थापक, ने एक मंच की तत्काल आवश्यकता पर प्रकाश डाला जो वास्तविक दुनिया के नुकसान का कारण बनने से पहले ही हल्यूसिनेटेड या पूर्वाग्रहित बुद्धिमत्ता को हटा सकता है। “एआई से हल्यूसिनेशन या पूर्वाग्रहित बुद्धिमत्ता को हटाए बिना, हम परिणामों को विकृत करते हैं और अविश्वास को प्रोत्साहित करते हैं,” उन्होंने कहा। “हिरुंडो एक प्रकार का एआई ट्राइज bietet – असत्य या भेदभावपूर्ण स्रोतों पर निर्मित डेटा को हटाना और एआई की संभावनाओं को पूरी तरह से बदलना।”

सुपरसीड के प्रबंध भागीदार, मैड्स जेंसेन, ने इस भावना को दोहराया: “हम असाधारण एआई कंपनियों में निवेश करते हैं जो उद्योग के क्षेत्रों को बदल रही हैं, लेकिन यह परिवर्तन तब तक ही शक्तिशाली है जब तक मॉडल स्वयं विश्वसनीय हैं। हिरुंडो का मशीन अनलर्निंग दृष्टिकोण एआई विकास जीवन चक्र में एक महत्वपूर्ण अंतर को संबोधित करता है।”

एआई तैनाती में बढ़ती चुनौती का सामना करना

जैसा कि एआई सिस्टम महत्वपूर्ण बुनियादी ढांचे में एकीकृत होते हैं, हल्यूसिनेशन, पूर्वाग्रह, और एम्बेडेड संवेदनशील डेटा के बारे में चिंताएं अनदेखी नहीं की जा सकती हैं। ये मुद्दे उच्च-जोखिम वाले वातावरण में महत्वपूर्ण जोखिम पैदा करते हैं, वित्त से लेकर स्वास्थ्य सेवा और रक्षा तक।

मशीन अनलर्निंग एआई उद्योग की प्रतिक्रिया में एक महत्वपूर्ण उपकरण के रूप में उभर रहा है जो मॉडल विश्वसनीयता और सुरक्षा पर बढ़ती चिंताओं का सामना करता है। जब हल्यूसिनेशन, एम्बेडेड पूर्वाग्रह, और संवेदनशील डेटा के संपर्क में तैनात एआई सिस्टम में विश्वास को कम करते हैं, तो अनलर्निंग इन जोखिमों को कम करने का एक सीधा तरीका प्रदान करता है – एक मॉडल प्रशिक्षित और उपयोग में होने के बाद।

पुनः प्रशिक्षण या सतह-स्तर के सुधार जैसे फिल्टरिंग पर निर्भर रहने के बजाय, मशीन अनलर्निंग तैनाती में मॉडल से समस्याग्रस्त व्यवहार और डेटा को लक्षित हटाने की अनुमति देता है। यह दृष्टिकोण उच्च-जोखिम वाले अनुप्रयोगों के लिए स्केलेबल, अनुपालन समाधानों की मांग करने वाले उद्यमों और सरकारी एजेंसियों के बीच गति प्राप्त कर रहा है।