Striveworks ร่วมมือ Series B เพื่อขยายการทำงานของ AI ในด้านการป้องกันและรัฐบาลที่เกี่ยวข้อง

Striveworks ได้รับการสนับสนุนจาก Washington Harbour Partners ในการลงทุน Series B ซึ่งเป็นก้าวสำคัญในการขยายการทำงานของ AI ในด้านการป้องกันและความมั่นคงแห่งชาติ การสนับสนุนนี้จะถูกใช้เพื่อเร่งพัฒนาผลิตภัณฑ์ ขยายทีมวิศวกรและทีมวิจัย และสนับสนุนการนำเทคโนโลยีไปใช้ในหน่วยงานรัฐบาลสหรัฐฯ และประเทศที่เกี่ยวข้อง

การสนับสนุนนี้เกิดขึ้นในช่วงเวลาที่รัฐบาลต่างๆ ให้ความสำคัญกับการรวม AI เข้ากับระบบที่สำคัญต่อภารกิจ โดยเฉพาะอย่างยิ่งเมื่อการแข่งขันทางภูมิรัฐศาสตร์เข้มข้นขึ้นและเส้นเวลาการดำเนินการถูกบีบให้แคบลง

การเปลี่ยนแปลงสู่ AI ที่ใช้งานจริงในด้านความมั่นคงแห่งชาติ

การนำ AI ไปใช้ในด้านการป้องกันไม่ใช่แค่การสร้างแบบจำลองเท่านั้น แต่ต้องมีระบบที่สามารถทำงานได้อย่างน่าเชื่อถือใน環境ที่มีความเสี่ยงสูง รัฐบาลต้องเผชิญกับความท้าทายสองประการ คือ การเคลื่อนไหวอย่างรวดเร็วเพื่อรักษาความได้เปรียบในการดำเนินการ และการรับรองว่าระบบยังคงสามารถตรวจสอบได้ เชื่อถือได้ และสอดคล้องกับข้อกำหนดด้านความปลอดภัยที่เข้มงวด

Striveworks ได้เข้ามาอยู่ที่จุดตัดกัน โดยมุ่งเน้นไปที่ AI ที่ใช้งานจริง ซึ่งเป็นความสามารถในการนำระบบการเรียนรู้ของเครื่องไปใช้ในสภาพแวดล้อมจริงมากกว่าการควบคุม

ความต้องการนี้ได้รับการสนับสนุนจากนโยบายที่ให้ความสำคัญกับการรวม AI อย่างรวดเร็วเพื่อรักษาความได้เปรียบเชิงกลยุทธ์ในด้านการป้องกันและข่าวกรอง

แพลตฟอร์มที่สร้างขึ้นสำหรับการใช้งานจริง

ที่ใจกลางของ Striveworks คือแพลตฟอร์ม Chariot ซึ่งเป็นระบบ AI operations (AIOps) ที่ออกแบบมาเพื่อนำแบบจำลองจากพัฒนาการไปสู่การผลิตอย่างรวดเร็วโดยยังคงการดูแลและประสิทธิภาพ

แพลตฟอร์มนี้ช่วยให้องค์กรสามารถสร้าง นำไปใช้ และดูแลแบบจำลอง AI ในเวลาเพียงไม่กี่ชั่วโมง แทนที่จะใช้เวลาหลายเดือน โดยสนับสนุนการทำงานที่ครอบคลุมโครงสร้างคลาวด์ สภาพแวดล้อมเอดจ์ และสภาพแวดล้อมที่ไม่เชื่อมต่อหรือมีข้อจำกัดด้านแบนด์วิธ ซึ่งเกี่ยวข้องอย่างมากในด้านการป้องกัน โดยที่ระบบ AI ต้องทำงานข้ามแหล่งข้อมูลที่กระจัดกระจาย เช่น ข้อมูลจากเซ็นเซอร์ ภาพถ่ายดาวเทียม และข้อมูลอินเทลจิเจนซ์ในเวลาจริง

Chariot ยังเน้นไปที่การดูแลและติดตามผล ทำให้องค์กรสามารถเข้าใจว่าแบบจำลองถูกฝึกฝนอย่างไร ข้อมูลไหลผ่านระบบอย่างไร และผลลัพธ์ถูกสร้างขึ้นอย่างไร ซึ่งเป็นความสามารถที่สำคัญใน環境ที่มีการควบคุมและเป็นภารกิจที่สำคัญ

ที่พิสูจน์แล้วในด้านสภาพแวดล้อมที่ซับซ้อนและถูกโต้แย้ง

เทคโนโลยีของ Striveworks ได้ถูกนำไปใช้ในหลายๆ โปรแกรมการป้องกัน รวมถึงงานที่เกี่ยวข้องกับ Next Generation Command and Control ของกองทัพสหรัฐฯ และการดำเนินการเกี่ยวกับการรักษาความปลอดภัยชายแดนและระบบการเดินเรืออัตโนมัติ

การนำไปใช้เหล่านี้สะท้อนถึงการเปลี่ยนแปลงที่กว้างขึ้นในด้านการใช้ AI ไม่ใช่แค่การวิเคราะห์หรือการทดลอง แต่ AI ถูกฝังอยู่ในกระบวนการทำงานจริง โดยที่ AI ช่วยสนับสนุนการตัดสินใจในเวลาจริง

การมุ่งเน้นของบริษัทในการรักษาความสามารถในการทำงานในสภาพแวดล้อมที่ถูกโต้แย้ง ซึ่งข้อมูลเปลี่ยนแปลงอย่างรวดเร็วและระบบต้องปรับตัวอย่างต่อเนื่อง ได้กลายเป็นลักษณะสำคัญของแนวทางของพวกเขา

ภายในเทคโนโลยี: การเชื่อมต่อระหว่างแบบจำลอง AI และการดำเนินการจริง

Striveworks สร้างแพลตฟอร์มขึ้นโดยมุ่งเน้นไปที่ปัญหาที่เกิดขึ้นเมื่อ AI ถูกนำไปใช้จริง ซึ่งแบบจำลองไม่ล้มเหลวในการฝึกฝน แต่ล้มเหลวในการนำไปใช้

แพลตฟอร์ม Chariot ของบริษัทมุ่งเน้นไปที่สิ่งที่เกิดขึ้นหลังจากที่แบบจำลองถูกสร้างขึ้น ในสภาพแวดล้อมจริง ข้อมูลมักจะไม่สะอาดหรือมั่นคง ข้อมูลเข้าเปลี่ยนแปลง สภาพแวดล้อมเอดจ์ทำให้คุณภาพสัญญาณลดลง และความต้องการภารกิจเปลี่ยนแปลงอย่างต่อเนื่อง ซึ่งสร้างช่องว่างระหว่างการทำงานของแบบจำลองใน环境ที่ควบคุมและวิธีการทำงานในสนาม

Chariot จัดการกับปัญหานี้โดยการรักษาแบบจำลอง AI เป็นทรัพย์สินที่ถูกจัดการอย่างต่อเนื่อง แทนที่จะเป็นการนำไปใช้แบบคงที่ แพลตฟอร์มนี้ช่วยให้สามารถติดตามการทำงานของแบบจำลองอย่างต่อเนื่อง ตรวจจับการเปลี่ยนแปลงของข้อมูลและผลลัพธ์ และช่วยให้สามารถปรับเปลี่ยนได้อย่างรวดเร็วโดยไม่ต้องผ่านการฝึกฝนใหม่ทั้งหมด ซึ่งเกี่ยวข้องอย่างมากในด้านการป้องกัน โดยที่ความล่าช้า ความน่าเชื่อถือ และความสามารถในการปรับตัวส่งผลกระทบต่อผลลัพธ์

ส่วนสำคัญของสถาปัตยกรรมนี้คือความสามารถในการทำงานข้ามสภาพแวดล้อมข้อมูลที่กระจัดกระจาย แทนที่จะพึ่งพาโครงสร้างกลาง แพลตฟอร์มนี้สนับสนุนการนำไปใช้ในคลาวด์ ในสถานที่ และในระบบเอดจ์ ซึ่งช่วยให้แบบจำลองสามารถทำงานใกล้กับแหล่งข้อมูลที่ถูกสร้างขึ้น ไม่ว่าจะมาจากเซ็นเซอร์ ภาพถ่ายดาวเทียม หรือข้อมูลการดำเนินการในเวลาจริง ทำให้สามารถลดความล่าช้าและปรับปรุงความสามารถในการตอบสนอง

Chariot ยังให้ความสำคัญกับการดูแลและติดตามผล ในสภาพแวดล้อมที่มีความเสี่ยงสูง การเข้าใจว่าแบบจำลองได้การตัดสินใจอย่างไร มีความสำคัญไม่แพ้กับการตัดสินใจเอง แพลตฟอร์มนี้ให้ความสามารถในการเห็นข้อมูลที่มาจากแบบจำลอง พฤติกรรมของแบบจำลอง และผลลัพธ์ของระบบ ทำให้องค์กรสามารถตรวจสอบประสิทธิภาพและรักษาการดูแล

การผสมผสานระหว่างการประเมินอย่างต่อเนื่อง การนำไปใช้ในสภาพแวดล้อมที่กระจัดกระจาย และการดูแลที่ถูกสร้างเข้าไปในระบบ สะท้อนถึงการเปลี่ยนแปลงที่กว้างขึ้นในด้านการออกแบบระบบ AI ความท้าทายไม่ใช่แค่การสร้างแบบจำลองที่แม่นยำ แต่ยังรวมถึงการรับรองว่าแบบจำลองเหล่านั้นยังคงเชื่อถือได้ ปรับตัวได้ และรับผิดชอบหลังจากที่ถูกนำไปใช้ในสภาพแวดล้อมจริง