Graphon AI Xuất Hiện Với 8,3 Triệu Đô La Để Xây Dựng “Lớp Thông Minh” Cho Trí Tuệ Nhân Tạo Doanh Nghiệp

Startup cơ sở hạ tầng trí tuệ nhân tạo Graphon AI đã xuất hiện từ chế độ ẩn với 8,3 triệu đô la tiền vốn hạt giống khi nó cố gắng giải quyết một trong những nút thắt lớn nhất mà các hệ thống trí tuệ nhân tạo hiện đại phải đối mặt: sự không thể của các mô hình lớn để lý luận hiệu quả trên các tập dữ liệu đa phương thức khổng lồ và phân mảnh.

Vòng vốn này được dẫn đầu bởi Novera Ventures, với sự tham gia của Samsung Next, Hitachi Ventures, Perplexity Fund, GS Futures, Gaia Ventures, B37 Ventures, và Aurum Partners.

Công ty có trụ sở tại San Francisco được thành lập bởi các nhà nghiên cứu và kỹ sư cũ từ các tổ chức bao gồm Amazon (AMZN ), Meta, MIT, Google (GOOGL ), Apple (AAPL ), NVIDIA (NVDA ) và NASA.

Vấn Đề Graphon Đang Cố Giải Quyết

Các mô hình ngôn ngữ lớn đã trở nên mạnh mẽ hơn rất nhiều trong những năm gần đây, nhưng chúng vẫn phải đối mặt với một hạn chế cơ bản: cửa sổ ngữ cảnh.

Ngay cả các mô hình trí tuệ nhân tạo tiên tiến cũng chỉ có thể xử lý một lượng thông tin有限 tại một thời điểm. Trong khi đó, các doanh nghiệp thường có rất nhiều dữ liệu không kết nối nằm rải rác trên các tài liệu, cơ sở dữ liệu, hệ thống giám sát, luồng video, nhật ký, tệp âm thanh và nền tảng phần mềm nội bộ.

Các phương pháp hiện tại như Retrieval-Augmented Generation (RAG) giúp các mô hình thu thập thông tin liên quan, nhưng chúng gặp khó khăn trong việc hiểu mối quan hệ sâu sắc hơn giữa các tập dữ liệu hoặc duy trì sự hiểu biết liên tục theo thời gian.

Phương pháp của Graphon là di chuyển một phần của quá trình lý luận ra ngoài mô hình chính.

Thay vì buộc một mô hình nền tảng phải liên tục tiêu thụ dữ liệu thô của doanh nghiệp, Graphon tạo ra cái mà nó mô tả là một “lớp thông minh trước mô hình” mà ánh xạ mối quan hệ giữa các hình thức thông tin khác nhau trước khi mô hình xử lý chúng.

Công ty cho biết lớp quan hệ này được xây dựng bằng cách sử dụng các hàm graphon – một khuôn khổ toán học truyền thống liên quan đến phân tích mạng và hệ thống đồ thị lớn. Hệ thống này được thiết kế để xác định các kết nối trên các nguồn dữ liệu đa phương thức bao gồm văn bản, video, âm thanh, hình ảnh, cơ sở dữ liệu có cấu trúc, hệ thống công nghiệp và mạng cảm biến.

Theo công ty, điều này tạo ra một dạng bộ nhớ có cấu trúc vĩnh cửu có thể hoạt động độc lập với các hạn chế của cửa sổ ngữ cảnh của mô hình.

Sự Chuyển Dịch Từ Các Mô Hình Lớn Hơn

Sự ra mắt của Graphon phản ánh một sự thay đổi rộng lớn hơn đang xảy ra trong toàn ngành công nghiệp trí tuệ nhân tạo.

Trong nhiều năm, tiến bộ trong trí tuệ nhân tạo chủ yếu được thúc đẩy bởi việc mở rộng các mô hình – thêm nhiều tham số, tính toán và tập dữ liệu đào tạo lớn hơn. Nhưng nhiều nhà nghiên cứu và các công ty khởi nghiệp về cơ sở hạ tầng đang khám phá các cách để cải thiện hiệu suất của trí tuệ nhân tạo thông qua các hệ thống bộ nhớ tốt hơn, kiến trúc lý luận, lớp thu thập và tổ chức dữ liệu thay vì chỉ xây dựng các mô hình nền tảng lớn hơn.

Công ty cho rằng trí tuệ không nên chỉ tồn tại trong mô hình chính, mà còn trong lớp cơ sở hạ tầng kết nối mô hình với dữ liệu của doanh nghiệp.

Phương pháp này có thể trở nên quan trọng hơn khi các doanh nghiệp triển khai hệ thống trí tuệ nhân tạo vào các môi trường nơi thông tin luôn thay đổi và nằm rải rác trên nhiều hệ thống cùng một lúc.

Trong các môi trường công nghiệp, ví dụ, các hệ thống trí tuệ nhân tạo có thể cần lý luận trên các dữ liệu từ máy móc, hình ảnh an ninh, nhật ký hoạt động, hồ sơ bảo trì và quy trình làm việc của doanh nghiệp cùng một lúc. Các thách thức tương tự tồn tại trong lĩnh vực robot, hậu cần, chăm sóc sức khỏe và tự động hóa doanh nghiệp.

Triển Khai Doanh Nghiệp Sớm

Graphon cho biết khách hàng doanh nghiệp sớm của họ đã bao gồm tập đoàn GS của Hàn Quốc.

Theo công ty, các triển khai đã bao gồm phân tích chuyển động của khách hàng trong môi trường bán lẻ và cải thiện giám sát an toàn tại các công trường xây dựng thông qua phân tích CCTV đa phương thức.

Công ty cũng cho biết cơ sở hạ tầng của họ có thể hỗ trợ các quy trình làm việc của các tác nhân, cho phép các tác nhân trí tuệ nhân tạo đưa ra quyết định dựa trên ngữ cảnh đa phương thức phong phú hơn thay vì các tín hiệu cách ly.

Một lĩnh vực tập trung khác là lý luận trí tuệ nhân tạo trên thiết bị. Graphon cho biết hệ thống của họ được thiết kế để làm việc với dữ liệu được tạo ra từ điện thoại thông minh, máy ảnh, thiết bị đeo, kính thông minh và các thiết bị kết nối khác.

Tác Động Tương Lai Của Cơ Sở Hạ Tầng Trí Tuệ Nhân Tạo Quan Hệ

Sự xuất hiện của Graphon phản ánh một sự thay đổi rộng lớn hơn đang diễn ra trong lĩnh vực trí tuệ nhân tạo: sự nhận thức ngày càng tăng rằng việc mở rộng mô hình một mình có thể không giải quyết được nhiều vấn đề khó khăn nhất của ngành.

Khi các doanh nghiệp triển khai trí tuệ nhân tạo vào các môi trường phức tạp hơn, thách thức đang trở nên ít hơn về việc tạo ra văn bản và nhiều hơn về việc hiểu mối quan hệ giữa các hệ thống, người, thiết bị và luồng thông tin luôn thay đổi.

Các hệ thống trí tuệ nhân tạo trong tương lai có thể cần lý luận trên nhiều hơn các tài liệu và tín hiệu. Các nhà máy tự động, hệ thống robot, thành phố thông minh, thiết bị đeo, cảm biến công nghiệp, cơ sở hạ tầng an ninh và hệ thống phần mềm doanh nghiệp đều tạo ra lượng lớn dữ liệu đa phương thức liên kết. Phần lớn thông tin này tồn tại liên tục và phát triển theo thời gian thực.

Điều này đang tạo ra áp lực cho các hình thức mới của cơ sở hạ tầng trí tuệ nhân tạo có khả năng duy trì ngữ cảnh vĩnh cửu vượt ra ngoài cửa sổ bộ nhớ tạm thời của mô hình.

Tác động có thể mở rộng ra ngoài các công cụ sản xuất của doanh nghiệp. Các hệ thống được thiết kế xung quanh bộ nhớ quan hệ và hiểu biết đa phương thức có thể cuối cùng đóng vai trò trong các lĩnh vực như điều phối robot, tự động hóa công nghiệp, bản sao số, vận chuyển tự động, chẩn đoán y tế và môi trường tính toán cạnh.

Sự phát triển của các tác nhân trí tuệ nhân tạo có thể đẩy nhanh nhu cầu này thậm chí còn hơn. Các tác nhân hoạt động tự chủ trong các hệ thống doanh nghiệp sẽ yêu cầu nhận thức ngữ cảnh sâu sắc hơn và sự hiểu biết bền vững hơn về cách các hành động, hệ thống và môi trường kết nối theo thời gian.

Trong ý nghĩa đó, giai đoạn phát triển trí tuệ nhân tạo lớn tiếp theo có thể liên quan đến việc xây dựng các hệ thống giúp máy móc mô hình hóa các môi trường thế giới thực động hơn một cách liên tục – thay vì chỉ tạo ra các phản hồi ngày càng tinh vi từ các tín hiệu cách ly.