Striveworks pozyskuje środki w ramach rundy B, aby skalować operacje AI dla obrony i rządów sojuszniczych

Striveworks zabezpieczył środki w ramach rundy B, którymi kieruje Washington Harbour Partners, co stanowi znaczący krok w wysiłkach firmy na rzecz rozszerzenia swoich operacji AI w środowiskach obrony i bezpieczeństwa narodowego. Środki te zostaną wykorzystane do przyspieszenia rozwoju produktu, rozwoju zespołów inżynieryjnych i badawczo-rozwojowych oraz wsparcia szerszego wdrożenia swojej technologii w agencjach rządowych USA i krajach sojuszniczych.

Wzrost ten następuje w momencie, gdy rządy coraz bardziej priorytetowo traktują szybką integrację sztucznej inteligencji z systemami krytycznymi dla misji, szczególnie w sytuacji, gdy nasilić się konkurencja geopolityczna i skracają się terminy operacyjne.

Przesunięcie w kierunku operacyjnego AI w bezpieczeństwie narodowym

Wdrożenie AI w środowiskach obrony nie jest po prostu kwestią budowy modeli – wymaga systemów, które mogą działać niezawodnie w dynamicznych, wysokich ryzyka środowiskach. Rządy stają przed podwójnym wyzwaniem: muszą działać wystarczająco szybko, aby utrzymać przewagę operacyjną, jednocześnie zapewniając, że systemy pozostają audytowalne, godne zaufania i zgodne z rygorystycznymi wymogami bezpieczeństwa.

Striveworks ulokował się na tym przecięciu, koncentrując się na operacyjnym AI – zdolności do wdrożenia, monitorowania i ciągłego dostosowywania systemów uczenia maszynowego w warunkach rzeczywistych, a nie w kontrolowanych środowiskach.

Ten popyt jest wzmacniany na poziomie polityki, gdzie szybka integracja AI jest coraz częściej postrzegana jako niezbędna do utrzymania przewagi strategicznej w operacjach obrony i wywiadu.

Platforma zaprojektowana z myślą o wdrożeniu w świecie rzeczywistym

W centrum oferty Striveworks znajduje się platforma Chariot, system operacji AI (AIOps), zaprojektowany w celu przeniesienia modeli z fazy rozwoju do produkcji w szybkim tempie, przy jednoczesnym zachowaniu nadzoru i wydajności.

Platforma umożliwia organizacjom budowę, wdrożenie i utrzymanie modeli AI w ciągu kilku godzin, a nie miesięcy, wspierając przepływy pracy, które obejmują infrastrukturę chmurową, środowiska brzegowe i rozłączone lub ograniczone pod względem przepustowości. Jest to szczególnie istotne w kontekście obrony, gdzie systemy AI muszą działać w środowiskach danych fragmentowanych, takich jak strumienie sensoryczne, obrazy satelitarne i dane wywiadowcze w czasie rzeczywistym.

Chariot kładzie również nacisk na zarządzanie i śledzenie, umożliwiając organizacjom zrozumienie, w jaki sposób modele są szkolone, jak dane przepływają przez systemy i jak generowane są dane wyjściowe – funkcje, które są krytyczne w środowiskach regulowanych i krytycznych dla misji.

Udowodnione w złożonych i spornych środowiskach

Technologia Striveworks została już wdrożona w kilku programach obronnych, w tym w ramach inicjatywy Next Generation Command and Control armii USA, a także w operacjach związanych z bezpieczeństwem granic i systemami morskimi autonomicznymi.

Te wdrożenia odzwierciedlają szerszy trend w sposobie, w jaki AI jest wykorzystywana. Zamiast pozostawać ograniczoną do analizy lub eksperymentów, AI jest coraz częściej wbudowywana w przepływy pracy operacyjne, gdzie wspiera podejmowanie decyzji w czasie rzeczywistym.

Koncentracja firmy na utrzymaniu wydajności w środowiskach spornych – gdzie warunki danych ulegają szybkim zmianom, a systemy muszą się ciągle adaptować – stała się cechą charakterystyczną jej podejścia.

Wewnątrz technologii: łączenie modeli AI i operacji świata rzeczywistego

Platforma Striveworks została zaprojektowana wokół problemu, który stał się coraz bardziej widoczny, gdy AI przechodzi z fazy eksperymentów do produkcji: modele nie zawodzą podczas szkolenia – zawodzą podczas wdrożenia.

Firma Striveworks koncentruje się na tym, co dzieje się po zbudowaniu modelu. W środowiskach operacyjnych dane rzadko są czyste lub stabilne. Wejścia ulegają zmianom, warunki brzegowe pogarszają jakość sygnału, a wymagania misji ewoluują w czasie rzeczywistym. Tworzy to lukę między wydajnością modelu w kontrolowanych środowiskach a tym, jak systemy zachowują się w terenie.

Chariot rozwiązuje ten problem, traktując systemy AI jako ciągle zarządzane aktywa, a nie statyczne wdrożenia. Platforma umożliwia ciągłe monitorowanie wydajności modelu, wykrywanie dryfu w danych i danych wyjściowych, oraz pozwala na szybką iterację bez wymogu pełnych cykli ponownego szkolenia. Jest to szczególnie istotne w środowiskach obrony, gdzie opóźnienia, niezawodność i adaptacyjność mają bezpośredni wpływ na wyniki.

Kluczową częścią tej architektury jest jej zdolność do działania w środowiskach danych fragmentowanych i rozproszonych. Zamiast polegać na scentralizowanej infrastrukturze, platforma wspiera wdrożenia w chmurze, na miejscu i w środowiskach brzegowych. Umożliwia to uruchamianie modeli bliżej miejsca, w którym generowane są dane – niezależnie od tego, czy pochodzą one z czujników, danych satelitarnych czy danych operacyjnych w czasie rzeczywistym – co redukuje opóźnienia i poprawia odpowiedzi.

Chariot kładzie również duży nacisk na zarządzanie i śledzenie. W środowiskach o wysokim ryzyku zrozumienie, w jaki sposób model doszedł do decyzji, jest równie ważne, jak sama decyzja. Platforma zapewnia widoczność linii danych, zachowania modelu i danych wyjściowych systemu, umożliwiając organizacjom weryfikację wydajności i utrzymanie nadzoru.

To połączenie ciągłej oceny, rozproszonego wdrożenia i wbudowanego zarządzania odzwierciedla szerszy trend w projektowaniu systemów AI. Wyzwaniem nie jest już tylko budowanie dokładnych modeli, ale zapewnienie, że pozostają one niezawodne, adaptacyjne i odpowiedzialne po wdrożeniu w warunkach świata rzeczywistego.