Collov Labs pozyskał 23 mln dolarów w ramach rundy A, aby postawić na sztuczną inteligencję wizualną jako następny interfejs

Collov Labs pozyskał 23 miliony dolarów w ramach rundy A i uruchomił nowe laboratorium badawcze, którego celem jest rozwój systemów sztucznej inteligencji wizualnej, co sygnalizuje szerszy trend w ewolucji sztucznej inteligencji poza interakcje oparte na tekście.

Runda ta, wspierana przez Brightway Future Capital, Taihill Venture oraz Mindworks Capital, zostanie wykorzystana do rozwoju systemów zaprojektowanych do interpretacji obrazów i danych z kamer, z celem umożliwienia sztucznej inteligencji zrozumienia i podjęcia działań w świecie fizycznym.

Odwrót od interfejsów opartych na czacie

Większość dzisiejszego wdrożenia sztucznej inteligencji koncentruje się wokół interfejsów czatowych. Collov Labs buduje swoje rozwiązanie wokół odmiennego założenia: że dane wizualne staną się podstawowym sposobem, w jaki ludzie będą wchodzić w interakcje z sztuczną inteligencją.

Zamiast wprowadzania systemów za pomocą tekstu, firma koncentruje się na umożliwieniu użytkownikom wskazania kamery na scenę i pozostawieniu sztucznej inteligencji do interpretacji kontekstu, rozważania tego, co widzi, oraz asystowania w realnych działaniach. To odzwierciedla szerszy trend w branży w kierunku wielomodalnej sztucznej inteligencji, gdzie systemy łączą wizję, język i rozumowanie w zunifikowanym doświadczeniu.

Pomysł nie jest całkowicie nowy, ale ostatnie postępy w dziedzinie obliczeń, modeli i przetwarzania na urządzeniu sprawiły, że stał się coraz bardziej praktyczny.

Budowanie w kierunku interakcji sztucznej inteligencji z rzeczywistym światem

Collov Labs rozwija systemy, które łączą modele dyfuzji, rozumowanie przestrzenne oraz przepływy pracy agenty. Celem jest wykraczanie poza rozpoznawanie statycznych obrazów w kierunku systemów, które mogą zrozumieć relacje wewnątrz sceny i wykonać wieloetapowe działania.

Ten kierunek pokrywa się z rosnącym popytem na systemy sztucznej inteligencji, które interakcjują ze środowiskami fizycznymi, szczególnie gdy sprzęt ewoluuje, aby wspierać przetwarzanie w czasie rzeczywistym i trwały kontekst.

Historia firmy odzwierciedla ten focus. Zespół ma doświadczenie w wielomodalnej sztucznej inteligencji, dużych systemach rekomendacyjnych oraz stosowanej nauce maszynowej zarówno w akademii, jak i w przemyśle.

Od narzędzi projektowych do szerszej warstwy sztucznej inteligencji

Istniejące produkty Collov, w tym narzędzia projektowe wspomagane sztuczną inteligencją, dają wgląd w to, jak te systemy funkcjonują w praktyce. Firma pierwotnie zyskała przyczółek w obszarach takich jak projektowanie wnętrz i generowanie treści wizualnej, gdzie sztuczna inteligencja może interpretować układy przestrzenne i generować realistyczne dane wyjściowe.

Wcześniejsze iteracje biznesu koncentrowały się na platformach projektowych napędzanych sztuczną inteligencją i narzędziach automatyzacji, co już widoczne jest w przypadku użycia komercyjnego w branżach takich jak nieruchomości, handel detaliczny i e-commerce.

Te produkty teraz działają jako pętla sprzężenia zwrotnego, dostarczając danych z rzeczywistego świata, które pomagają udoskonalić modele firmy i dopracować, jak rozumieją one środowiska wizualne.

Dlaczego sztuczna inteligencja wizualna może rozszerzyć wdrożenie

Jednym z podstawowych założeń strategii Collov Labs jest to, że interfejsy oparte na tekście mają ograniczony zasięg. Chociaż czatboty napędzały świadomość, większość globalnej populacji jeszcze nie angażowała się znacząco w narzędzia sztucznej inteligencji.

Interfejsy wizualne, w przeciwieństwie do tego, są od natury bardziej intuicyjne. Ten trend odzwierciedla wcześniejsze przejścia w komputerach, gdzie interfejsy graficzne uczyniły systemy dostępnymi dla szerszej publiczności poza użytkownikami technicznymi.

Jeśli ten podejście się powiedzie, może on obniżyć barierę wejścia do wdrożenia sztucznej inteligencji i rozszerzyć jej użycie w branżach, gdzie kontekst wizualny jest niezbędny, w tym handel detaliczny, projektowanie, logistyka i operacje terenowe.

Wpływ sprzętu i sztucznej inteligencji na urządzeniu

Postępy w dziedzinie sprzętu są kluczowym czynnikiem umożliwiającym rozwój sztucznej inteligencji wizualnej. W miarę jak zdolności przetwarzania na smartfonach, urządzeniach noszonych i specjalistycznych chipach się poprawiają, więcej pracy wymaganej do interpretacji obrazów i filmów może odbywać się lokalnie w czasie rzeczywistym. To redukuje opóźnienia i pozwala systemom reagować natychmiast na to, co widzi użytkownik, zamiast polegać wyłącznie na przetwarzaniu w chmurze.

Ten trend zmienia również sposób, w jaki sztuczna inteligencja jest dostarczana. Zamiast istnieć przede wszystkim jako aplikacje samodzielne, inteligencja wizualna może stać się wbudowana w same urządzenia, działając nieprzerwanie w tle. To otwiera drzwi do bardziej świadomych kontekstu interakcji, ale również podnosi praktyczne obawy dotyczące dokładności, niezawodności i zachowania tych systemów w nieprzewidywalnych środowiskach rzeczywistych.

Szersze implikacje dla interakcji sztucznej inteligencji

Ruch w kierunku sztucznej inteligencji wizualnej sugeruje stopniową zmianę w interakcji człowiek-komputer. Systemy, które mogą interpretować sceny i relacje przestrzenne, mogą zmniejszyć potrzebę strukturalnych danych wejściowych, czyniąc sztuczną inteligencję bardziej dostępną dla użytkowników, którzy są mniej komfortowi z narzędziami opartymi na tekście.

Jednocześnie złożoność środowisk rzeczywistych wprowadza nowe wyzwania. Niewłaściwa interpretacja sceny lub brak kluczowego kontekstu może prowadzić do błędnych danych wyjściowych, a konsekwencje tych błędów stają się bardziej znaczące, gdy sztuczna inteligencja zbliża się do podejmowania decyzji.

Zamiast zastępować istniejące interfejsy, sztuczna inteligencja wizualna jest bardziej prawdopodobna do ewolucji obok nich, dodając kolejną warstwę interakcji. Z czasem może to prowadzić do bardziej zunifikowanego doświadczenia, w którym sztuczna inteligencja reaguje na kontekst tak samo, jak na wyraźne instrukcje.