फंडिंग
रेडपाइन $8M सीड राउंड जुटाता है ताकि अगली पीढ़ी के एआई एजेंटों के लिए डेटा लेयर बनाई जा सके
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
स्टॉकहोम स्थित रेडपाइन ने एक $8 मिलियन सीड राउंड जुटाया है ताकि वैश्विक विस्तार को तेज किया जा सके और अपने प्लेटफ़ॉर्म को और विकसित किया जा सके, जो एआई एजेंटों को प्रीमियम, गैर-सार्वजनिक डेटा तक पहुंच प्रदान करता है।
इस दौर का नेतृत्व नॉर्डिकनिंजा ने किया, जिसमें लुमिनार वेंचर्स और node.vc ने भाग लिया, साथ ही साथ ओपनएआई, परप्लेक्सिटी, और स्पॉटिफाई के नेताओं सहित रणनीतिक एंजेल्स, साथ ही सिलोएआई, वैलिडियो, और साना जैसी कंपनियों के संस्थापकों ने भाग लिया। नॉर्डिकनिंजा के जनरल पार्टनर मारेक कीसा बोर्ड में शामिल होंगे।
यह फंडिंग रेडपाइन के प्रोप्राइटरी डेटा साझेदारी नेटवर्क को स्केल करने और अपने कोर प्लेटफ़ॉर्म को आगे बढ़ाने के लिए उपयोग की जाएगी, जिसमें संस्थापक डेटा वैज्ञानिक डॉ लियोनोरा वेस्टरबैका द्वारा नेतृत्व वाली रिट्रीवल और रेरैंकिंग तकनीक शामिल है। कंपनी अपनी टीम का विस्तार इंजीनियरिंग, डेटा साइंस, और गो-टू-मार्केट में कर रही है, जिसमें स्पॉटिफाई, साना, ज़ेटले, लूनर, मैकिन्से, सीईआरएन, और एचएंडएम जैसे संगठनों से प्रतिभा आकर्षित की जा रही है।
एआई तक नहीं पहुंच सकने वाले डेटा तक पहुंच बनाना
रेडपाइन का मूल प्रस्ताव सरल है। आज के एआई सिस्टम दुनिया की जानकारी के एक संकीर्ण हिस्से पर प्रशिक्षित होते हैं। जबकि सार्वजनिक वेब डेटा ने बड़े भाषा मॉडल के उदय को संचालित किया है, यह कुल वैश्विक डेटा का केवल एक छोटा सा हिस्सा है।
कंपनी का अनुमान है कि केवल 1 से 2 प्रतिशत डेटा वर्तमान में एआई उपयोग के लिए उपलब्ध है। इसका प्लेटफ़ॉर्म उद्योगों में प्रोप्राइटरी डेटासेट तक अनुमेय, लाइसेंस प्राप्त पहुंच को सक्षम करके शेष अधिकांश को अनलॉक करने के लिए डिज़ाइन किया गया है।
अपने प्लेटफ़ॉर्म के माध्यम से, रेडपाइन सामग्री मालिकों, प्रकाशकों, और डेटा प्रदाताओं को अपने डेटा तक नियंत्रित पहुंच प्रदान करने की अनुमति देता है, जबकि एआई डेवलपर और एजेंट एक एकीकृत एपीआई परत के माध्यम से उस डेटा को खोज, मूल्यांकन, और भुगतान कर सकते हैं। यह रेडपाइन को मॉडल बिल्डर के बजाय बाजार और डिलीवरी सिस्टम के रूप में स्थापित करता है, जो उच्च-मूल्य वाले डेटा के लिए।
एआई एजेंटों के लिए एक हेडलेस एपीआई
उत्पाद स्तर पर, रेडपाइन एक हेडलेस एपीआई परत संचालित करता है जो एआई सिस्टमों को सीधे प्रीमियम डेटासेट से जोड़ता है। प्लेटफ़ॉर्म में टेक्स्ट, छवियों, वीडियो, ऑडियो, और कोड सहित कई डेटा प्रकारों का समर्थन किया जाता है, और यह एआई लाइफसाइकल के माध्यम से काम करने के लिए डिज़ाइन किया गया है, प्रशिक्षण और फ़ाइन-ट्यूनिंग से लेकर रियल-टाइम रिट्रीवल तक।
सिस्टम का एक केंद्रीय घटक इसकी रिट्रीवल और रेरैंकिंग तकनीक है, जो वास्तविक समय में डेटा गुणवत्ता का मूल्यांकन करती है। रॉ डेटासेट को उजागर करने के बजाय, प्लेटफ़ॉर्म प्रासंगिकता और विश्वसनीयता को प्राथमिकता देता है, जो हॉलुसिनेशन को कम करने और निर्णय लेने में सुधार करने में मदद करता है।
यह विशेष रूप से स्वास्थ्य सेवा, कानून, वित्त, और वैज्ञानिक अनुसंधान जैसे क्षेत्रों में महत्वपूर्ण है, जहां सटीकता महत्वपूर्ण है। ये क्षेत्र हैं जहां रेडपाइन अपने प्रयासों पर ध्यान केंद्रित कर रहा है।
एआई द्वारा डेटा तक पहुंच और उपयोग को फिर से सोचना
यदि यह मॉडल गति पकड़ता है, तो यह एआई सिस्टम के निर्माण और तैनाती के तरीके को बदलता है। स्थिर प्रशिक्षण डेटासेट पर भारी भरोसा करने के बजाय, एआई एजेंट लाइसेंस प्राप्त स्रोतों से सत्यापित, अद्यतन जानकारी को मांग पर खींचकर काम कर सकते हैं।
यह बदलाव उद्योग को रियल-टाइम इंटेलिजेंस के करीब ले जाएगा, जहां मॉडल जिस पर वे प्रशिक्षित हैं उस पर कम निर्भर होते हैं और जिसे वे किसी निर्णय के समय तक पहुंच सकते हैं उस पर अधिक निर्भर होते हैं। यह डेटा के चारों ओर एक अधिक संरचित आर्थिक परत भी पेश करता है, जहां पहुंच मीटर्ड, मूल्यांकित, और स्पष्ट उपयोग अधिकारों द्वारा शासित होती है।
उद्यमों के लिए, यह प्रशिक्षण के लिए संवेदनशील डेटा को केंद्रीकृत करने की आवश्यकता को कम कर सकता है, क्योंकि एजेंट बिना उन्हें स्थायी रूप से निगले बाहरी डेटासेट को क्वेरी कर सकते हैं। डेटा मालिकों के लिए, यह अपने स्वामित्व वाली जानकारी को वितरण पर नियंत्रण खोए बिना मुद्रीकृत करने के लिए एक सीधा मार्ग प्रदान करता है।
समय के साथ, इस प्रकार की बुनियादी ढांचा एक अधिक मॉड्यूलर एआई पारिस्थितिकी तंत्र की ओर ले जा सकता है, जहां मॉडल, एजेंट, और डेटा स्रोत ढीले रूप से जुड़े हुए हैं। उस वातावरण में, प्रतिस्पर्धी लाभ मॉडल स्केल अकेले पर कम निर्भर हो सकता है और उन प्रणालियों द्वारा पहुंची जा सकने वाली डेटा की गुणवत्ता, अनन्यता, और पहुंच पर अधिक निर्भर हो सकता है।
