Hirundo Mengumpulkan $8M untuk Mengatasi Hallusinasi AI dengan Pembelajaran Mesin

Hirundo, startup pertama yang didedikasikan untuk pembelajaran mesin, telah mengumpulkan $8 juta dalam pendanaan awal untuk mengatasi beberapa tantangan paling mendesak dalam kecerdasan buatan: hallusinasi, bias, dan kerentanan data yang tertanam. Putaran ini dipimpin oleh Maverick Ventures Israel dengan partisipasi dari SuperSeed, Alpha Intelligence Capital, Tachles VC, AI.FUND, dan Plug and Play Tech Center.

Membuat AI Lupa: Janji Pembelajaran Mesin

Tidak seperti alat AI tradisional yang fokus pada penghalusan atau penyaringan output AI, inovasi inti Hirundo adalah pembelajaran mesin—teknik yang memungkinkan model AI untuk “melupakan” pengetahuan atau perilaku tertentu setelah mereka telah dilatih. Pendekatan ini memungkinkan perusahaan untuk menghapus hallusinasi, bias, data pribadi atau milik, dan kerentanan adversarial dari model AI yang telah diterapkan tanpa harus melatihnya dari awal. Melatih model besar dapat memakan waktu beberapa minggu dan jutaan dolar; Hirundo menawarkan alternatif yang jauh lebih efisien.

Hirundo menyamakan proses ini dengan neurosurgery AI: perusahaan menemukan secara tepat di mana dalam parameter model output yang tidak diinginkan berasal dan menghapusnya dengan tepat, semua sambil mempertahankan kinerja. Teknik revolusioner ini memberdayakan organisasi untuk memperbaiki model dalam lingkungan produksi dan menerapkan AI dengan kepercayaan yang jauh lebih besar.

Mengapa Hallusinasi AI Begitu Berbahaya

Hallusinasi AI merujuk pada kecenderungan model untuk menghasilkan informasi palsu atau menyesatkan yang terdengar masuk akal atau bahkan faktual. Hallusinasi ini sangat bermasalah dalam lingkungan perusahaan, di mana keputusan yang didasarkan pada informasi yang tidak benar dapat menyebabkan paparan hukum, kesalahan operasional, dan kerusakan reputasi. Studi telah menunjukkan bahwa 58 hingga 82% “fakta” yang dihasilkan oleh AI untuk kueri hukum mengandung beberapa jenis hallusinasi.

Meskipun upaya untuk meminimalkan hallusinasi menggunakan penghalang atau penyempurnaan, metode ini sering kali menyembunyikan masalah daripada menghilangkannya. Penghalang bertindak seperti filter, dan penyempurnaan biasanya gagal menghapus penyebab akar—terutama ketika hallusinasi tersebut tertanam dalam dalam bobot model yang dipelajari. Hirundo melangkah lebih jauh dengan menghapus perilaku atau pengetahuan dari model itu sendiri.

Platform yang Dapat Diskalakan untuk Setiap Tumpukan AI

Platform Hirundo dibangun untuk fleksibilitas dan penerapan perusahaan. Ini mengintegrasikan dengan sistem generatif dan non-generatif di seluruh berbagai jenis data—bahasa alami, visi, radar, LiDAR, tabel, ucapan, dan waktu. Platform secara otomatis mendeteksi item yang salah label, outlier, dan ketidakjelasan dalam data pelatihan. Kemudian, memungkinkan pengguna untuk memecahkan output yang salah dan melacaknya kembali ke data pelatihan yang bermasalah atau perilaku yang dipelajari, yang dapat dihapus secara instan.

Semua ini dicapai tanpa mengubah alur kerja. Sistem SOC-2 yang disertifikasi Hirundo dapat dijalankan melalui SaaS, cloud pribadi (VPC), atau bahkan terisolasi di tempat, membuatnya cocok untuk lingkungan yang sensitif seperti keuangan, perawatan kesehatan, dan pertahanan.

Dampak yang Telah Terbukti di Seluruh Model

Perusahaan telah menunjukkan peningkatan kinerja yang kuat di seluruh model bahasa besar (LLM). Dalam tes menggunakan Llama dan DeepSeek, Hirundo mencapai pengurangan 55% hallusinasi, 70% penurunan bias, dan 85% pengurangan serangan injeksi prompt yang berhasil. Hasil ini telah diverifikasi menggunakan benchmark independen seperti HaluEval, PurpleLlama, dan Bias Benchmark Q&A.

Sementara solusi saat ini bekerja dengan baik dengan model sumber terbuka seperti Llama, Mistral, dan Gemma, Hirundo secara aktif memperluas dukungan untuk model yang dikunci seperti ChatGPT dan Claude. Ini membuat teknologi mereka dapat diterapkan di seluruh spektrum LLM perusahaan.

Pendiri dengan Kedalaman Akademis dan Industri

Hirundo didirikan pada 2023 oleh trio ahli di persimpangan akademis dan AI perusahaan. CEO Ben Luria adalah seorang Sarjana Rhodes dan mantan fellow di Oxford, yang sebelumnya mendirikan startup fintech Worqly dan mendirikan bersama ScholarsIL, organisasi nirlaba yang mendukung pendidikan tinggi. Michael Leybovich, CTO Hirundo, adalah mantan peneliti pascasarjana di Technion dan perwira R&D pemenang penghargaan di Ofek324. Prof. Oded Shmueli, Ilmuwan Utama perusahaan, adalah mantan Dekan Ilmu Komputer di Technion dan telah memegang posisi penelitian di IBM, HP, AT&T (T ), dan lainnya.

Pengalaman mereka bersama mencakup penelitian AI dasar, penerapan dunia nyata, dan pengelolaan data yang aman—membuat mereka unikamente memenuhi syarat untuk mengatasi krisis keandalan AI saat ini.

Dukungan Investor untuk Masa Depan AI yang Dapat Dipercaya

Investor dalam putaran ini sejalan dengan visi Hirundo untuk membangun AI yang dapat dipercaya dan siap perusahaan. Yaron Carni, pendiri Maverick Ventures Israel, mencatat kebutuhan mendesak untuk platform yang dapat menghapus intelijen yang hallucinated atau biased sebelum menyebabkan kerusakan dunia nyata. “Tanpa menghapus hallusinasi atau intelijen yang biased dari AI, kita berakhir dengan memutarbalikkan hasil dan mendorong ketidakpercayaan,” katanya. “Hirundo menawarkan jenis triage AI—menghapus kebohongan atau data yang dibangun pada sumber diskriminatif dan mengubah sepenuhnya kemungkinan AI.”

Mitran Pengelola SuperSeed, Mads Jensen, mengulangi sentimen ini: “Kami berinvestasi pada perusahaan AI luar biasa yang mengubah vertikal industri, tetapi transformasi ini hanya sekuat model itu sendiri dapat dipercaya. Pendekatan Hirundo untuk pembelajaran mesin mengatasi celah kritis dalam siklus pengembangan AI.”

Mengatasi Tantangan yang Berkembang dalam Penerapan AI

Ketika sistem AI semakin terintegrasi ke dalam infrastruktur kritis, kekhawatiran tentang hallusinasi, bias, dan data sensitif yang tertanam menjadi semakin sulit diabaikan. Masalah ini menimbulkan risiko signifikan dalam lingkungan dengan taruhan tinggi, dari keuangan hingga perawatan kesehatan dan pertahanan.

Pembelajaran mesin muncul sebagai alat kritis dalam respons industri AI terhadap kekhawatiran yang meningkat tentang keandalan dan keamanan model. Ketika hallusinasi, bias yang tertanam, dan paparan data sensitif semakin menghancurkan kepercayaan pada sistem AI yang diterapkan, pembelajaran mesin menawarkan cara langsung untuk memitigasi risiko ini—setelah model dilatih dan digunakan.

Daripada mengandalkan pelatihan ulang atau perbaikan permukaan seperti penyaringan, pembelajaran mesin memungkinkan penghapusan perilaku atau data yang bermasalah dari model yang sudah dalam produksi. Pendekatan ini mendapatkan traksi di antara perusahaan dan lembaga pemerintah yang mencari solusi yang dapat diskalakan dan patuh untuk aplikasi dengan taruhan tinggi.