Graphon AI apare din ascundere cu 8,3 milioane de dolari pentru a construi un „strat de inteligență” pentru AI în întreprinderi

Startup-ul de infrastructură AI Graphon AI a ieșit din stealth cu 8,3 milioane de dolari în finanțare de tip seed, în timp ce încearcă să rezolve una dintre cele mai mari blocaje cu care se confruntă sistemele moderne de inteligență artificială: incapacitatea modelelor mari de a raționa eficient în traversul unor seturi de date masive, fragmentate și multimodale.

Runda a fost condusă de Novera Ventures, cu participarea companiilor Samsung Next, Hitachi Ventures, Perplexity Fund, GS Futures, Gaia Ventures, B37 Ventures și Aurum Partners.

Compania cu sediul în San Francisco a fost fondată de foști cercetători și ingineri de la organizații precum Amazon (AMZN ), Meta, MIT, Google (GOOGL ), Apple (AAPL ), NVIDIA (NVDA ) și NASA.

Problema pe care Graphon încearcă să o rezolve

Modelele de limbaj au devenit mult mai capabile în ultimii ani, dar ele încă se confruntă cu o limitare fundamentală: ferestrele de context.

Chiar și modelele de inteligență artificială avansate pot procesa doar o cantitate limitată de informații la un moment dat. Întreprinderile, în schimb, dețin adesea cantități uriașe de date neconectate, răspândite în documente, baze de date, sisteme de supraveghere, fluxuri video, jurnale, fișiere audio și platforme software interne.

Abordările actuale, cum ar fi Generarea cu ajutorul Retrieval-ului (RAG), ajută modelele să recupereze informații relevante, dar ele se luptă să înțeleagă relațiile mai profunde dintre seturile de date sau să mențină o înțelegere persistentă în timp.

Abordarea Graphon constă în mutarea unei părți a procesului de raționament în afara modelului însuși.

În loc de a forța un model de bază să ingereze în mod continuu date brute ale întreprinderii, Graphon creează ceea ce numește un “strat de inteligență pre-model” care cartografiază relațiile dintre diferitele forme de informații înainte ca modelul să le proceseze.

Compania afirmă că acest strat relațional este construit folosind funcții graphon — un cadru matematic asociat în mod tradițional cu analiza rețelelor și sistemele de grafuri mari. Sistemul este proiectat pentru a identifica conexiuni în traversul surselor de date multimodale, incluzând text, video, audio, imagini, baze de date structurate, sisteme industriale și rețele de senzori.

Conform companiei, acest lucru creează o formă de memorie structurată persistentă care poate funcționa independent de limitările ferestrei de context a modelului.

O schimbare departe de modelele mai mari

Lansarea Graphon reflectă o schimbare mai amplă care are loc în industria de inteligență artificială.

De-a lungul anilor, progresul în inteligența artificială a fost determinat în mare măsură de scalarea modelelor — adăugarea de parametri suplimentari, calcul și seturi de date de antrenament mai mari. Dar mulți cercetători și startup-uri de infrastructură explorează acum modalități de îmbunătățire a performanței inteligenței artificiale prin sisteme de memorie mai bune, arhitecturi de raționament, straturi de recuperare și organizare a datelor, în loc de a construi doar modele de bază mai mari.

Compania susține că inteligența nu ar trebui să existe doar în interiorul modelului însuși, ci și în stratul de infrastructură care conectează modelele la datele întreprinderii.

Acestă abordare ar putea deveni din ce în ce mai importantă pe măsură ce întreprinderile implementează sisteme de inteligență artificială în medii în care informația este în constantă schimbare și răspândită în multiple sisteme simultan.

În medii industriale, de exemplu, sistemele de inteligență artificială pot trebui să raționeze în traversul telemetriei mașinilor, filmărilor de securitate, jurnalelor de operare, înregistrărilor de întreținere și fluxurilor de lucru ale întreprinderii, toate în același timp. Provocări similare există în robotică, logistică, sănătate și automatizarea întreprinderilor.

Implementări timpurii de întreprindere

Graphon afirmă că clienții săi de întreprindere timpurii includ conglomeratul sud-coreean GS Group.

Conform companiei, implementările au inclus analiza mișcării clienților în medii de vânzare cu amănuntul și îmbunătățirea monitorizării securității la șantierele de construcții prin analiza CCTV multimodală.

Compania afirmă, de asemenea, că infrastructura sa poate susține fluxuri de lucru agențice, permițând agenților de inteligență artificială să ia decizii pe baza unui context mai bogat și multimodal, în loc de simplele prompturi izolate.

O altă zonă de focalizare este raționamentul de inteligență artificială pe dispozitiv. Graphon afirmă că sistemul său este proiectat pentru a funcționa cu date generate de smartphone-uri, camere, dispozitive purtabile, ochelari inteligenți și alte dispozitive conectate.

Implicațiile viitoare ale infrastructurii de inteligență artificială relațională

Apariția Graphon reflectă o schimbare mai amplă care are loc în inteligența artificială: recunoașterea în creștere că scalarea modelelor singură nu poate rezolva multe dintre cele mai dificile probleme ale industriei.

Pe măsură ce întreprinderile implementează inteligența artificială în medii din ce în ce mai complexe, provocarea devine mai puțin despre generarea de text și mai mult despre înțelegerea relațiilor dintre sisteme, oameni, dispozitive și fluxuri de informații în schimbare constantă.

Sistemele de inteligență artificială viitoare vor trebui probabil să raționeze în traversul mult mai mult decât documente și prompturi. Fabrici autonome, sisteme de robotică, orașe inteligente, dispozitive purtabile, senzori industriali, infrastructuri de securitate și ecosisteme de software de întreprindere generează cantități masive de date multimodale interconectate. Multe dintre aceste informații există în mod continuu și evoluează în timp real.

Acest lucru creează presiune pentru noi forme de infrastructură de inteligență artificială capabile să mențină un context persistent dincolo de fereastra de memorie temporară a modelului.

Implicațiile pot extinde mult dincolo de instrumentele de productivitate ale întreprinderii. Sistemele proiectate în jurul memoriei relaționale și înțelegerii multimodale pot juca eventual un rol în domenii precum coordonarea robotică, automatizarea industrială, gemenii digitali, transportul autonom, diagnosticarea medicală și medii de calcul edge adaptiv.

Creșterea agenților de inteligență artificială poate accelera și mai mult această nevoie. Agenții care operează în mod autonom în interiorul sistemelor de întreprindere vor necesita o conștientizare contextuală mai profundă și o înțelegere mai durabilă a modului în care acțiunile, sistemele și mediile se conectează în timp.

În acest sens, următoarea fază majoră a dezvoltării inteligenței artificiale poate implica construirea de sisteme care ajută mașinile să modelizeze medii din lumea reală dinamice mai continuu — în loc de a genera simple răspunsuri din ce în ce mai sofisticate la prompturi izolate.