Nurdle از Spectrum Labs به عنوان یک استارت آپ استقرار هوش مصنوعی برای شرکت ها ظهور کرد

پس از فروش آزمایشگاه های طیفجاستین دیویس، کارآفرین، با استارتاپ دیگری به نام هوش مصنوعی بازگشته است Nurdle. این شرکت امروز با همان حامیان و تمرکز بر تغییر چشم انداز استقرار هوش مصنوعی برای شرکت ها از مخفی کاری خارج می شود.

Nurdle از سرمایه گذاران برجسته ای مانند Greycroft، Intel Capital و Twilio Ventures سرمایه گذاری می کند. این شرکت پس از خرید Spectrum Labs توسط ActiveFence از سایه خارج شده است. جالب اینجاست که Nurdle در آزمایشگاه Spectrum انکوبه شد.

این شرکت با استفاده از فناوری پیشگامانه به دنبال تغییر چشم‌انداز استقرار هوش مصنوعی برای شرکت‌ها است و مدل‌های زبان سفارشی سریع‌تر، ارزان‌تر و دقیق‌تر را ارائه می‌کند.

Nurdle تکامل پروژه امیدوارکننده‌ای است که در آزمایشگاه‌های طیف آغاز شده است، که برای ساده‌سازی و اصلاح مدل‌های زبان بزرگ خصوصی سفارشی (LLM) از طریق یک فناوری داده‌ای «شبیه» اختصاصی طراحی شده است.

این رویکرد دقت داده های تولید شده و برچسب گذاری شده توسط انسان را با چابکی، حجم و مقرون به صرفه بودن داده های مصنوعی ترکیب می کند و برنامه های کاربردی هوش مصنوعی سفارشی را برای مشاغل مختلف در دسترس تر می کند.

دیویس، مدیر عامل Nurdle، گفت: “آزمایشگاه‌های طیف محل آزمایش راه‌حل پیشگامانه هوش مصنوعی Nurdle بود. فناوری ما در ابتدا بر درک رفتار انسان برای تعدیل محتوا متمرکز بود، که یکی از پیچیده‌ترین مشکلات در درک زبان طبیعی بود. با Nurdle، ما این نوآوری‌ها را برای تقویت تیم‌های هوش مصنوعی گسترش دهید، و عملکرد بالایی را در بین برنامه‌های چندگانه متمرکز بر ارتباطات ایجاد کنید.

متدولوژی این شرکت برای ایجاد محتوا، برچسب‌گذاری داده‌ها و تضمین کیفیت نتایج قابل‌توجهی را نشان داده است، کاهش پنج برابر تا ۱۰ برابری در ساعات کاری دانشمند داده در حالی که به دقت ۹۲ درصد برای داده‌های تولید شده توسط انسان و برچسب‌گذاری شده توسط انسان دست یافته است. ۵% از هزینه معمول. این فرآیند به طور قابل توجهی زمان تولید را چندین ماه تسریع کرده است.

قبل از ظهور، Spectrum Labs که تعدیل محتوای مبتنی بر متن را با استفاده از درک زبان طبیعی مبتنی بر هوش مصنوعی (NLU) انجام می‌داد، در آخرین دور مالی خود با مشتریانی مانند Riot Games، Grindr و The به ازای هر داده PitchBook 146 میلیون دلار ارزش داشت. ملاقات با گروه. خرید اخیر Spectrum Labs توسط ActiveFence یک معامله تماماً نقدی بود و موقعیت آن را به عنوان یک حرکت بزرگ در چشم انداز هوش مصنوعی تثبیت کرد.

ما در سال گذشته بخشی از Spectrum Labs بودیم و اساساً سعی می‌کردیم راه‌هایی برای ایجاد مجموعه داده‌های بهتر برای Spectrum پیدا کنیم تا در نهایت بتوانیم مدل‌های عملکرد بهتری برای تشخیص سخنان مشوق عداوت و تنفر در زبان‌ها یا تقلب یا هرزنامه یا هر چیز دیگری بسازیم. دیویس در مصاحبه ای با VentureBeat گفت: هدف ما برای طیف گسترده ای از مشتریان ما بود.

او گفت که برای شبیه سازی محتوای انسانی در اینترنت، مانند چت درون بازی، و سپس استفاده از آن برای شبیه سازی و ایجاد مجموعه داده های بیشتر، داده های زیادی مورد نیاز است.

و این واقعاً مؤثر بود. هنگامی که فهمیدیم Nurdle می‌تواند مدل‌هایی ایجاد کند که ۹۲ درصد به اندازه مدل‌های برچسب‌گذاری شده توسط انسان برای طبقه‌بندی دقیق هستند، متوجه شدیم که اینجا جایی است که باید برویم. باید این فناوری را به اساساً هر شرکتی مانند Spectrum، در اندازه ما یا بزرگتر، که در حال ساخت یک ربات چت یا طبقه بندی کننده یا یک LLM است.”

جاش نیومن، مدیر ارشد فناوری Nurdle، در بیانیه‌ای گفت: «برنامه‌های کاربردی LLM موجود مانند ChatGPT به دلیل ماهیت تعمیم‌یافته‌شان، محدودیت‌هایی را برای مشاغل و محصولات خاص ایجاد می‌کنند که منجر به نادرستی‌هایی می‌شود که اعتماد را مختل می‌کند. مجموعه داده های مصنوعی با کیفیت بالا.”

NurdleGPT، یک تولید کننده داده مصنوعی نسل دوم، ایجاد داده های متنی بدون ساختار خاص دامنه را، به ویژه برای مدل های زبان آموزشی، تسهیل می کند. برخلاف تولیدکننده‌های داده مصنوعی قبلی که برای صنایع ساختاریافته و تنظیم‌شده طراحی شده بودند، NurdleGPT بر روی داده‌های متنی بدون ساختار از حوزه‌های مختلف، مانند گزارش‌های چت، رونوشت‌های تماس، ایمیل‌ها و مقالات تمرکز می‌کند.

این شرکت در حال گسترش بینش و راه‌حل‌های خود از طریق مجموعه‌ای از کارگاه‌های آموزشی است که به مدیران محصول، دانشمندان داده و مهندسان AI/ML ارائه می‌شود و هدف آن دموکراتیک کردن برنامه‌های هوش مصنوعی است. علاقه مندان می توانند از طریق پلتفرم Nurdle به اطلاعات بیشتر در مورد این کارگاه ها دسترسی داشته باشند.

Nurdle با ارائه راه‌حل‌های پیشرفته هوش مصنوعی، به کارگیری هوش مصنوعی سریع‌تر، مقرون‌به‌صرفه‌تر و ساده‌تر، تیم‌های محصول را قدرتمند می‌کند. فناوری داده NurdleGPT امکان ایجاد مجموعه داده‌های بسیار دقیق و تخصصی «به‌نظر» را می‌دهد که قابلیت دسترسی و کاربردی بودن برنامه‌های هوش مصنوعی را در صنایع مختلف بازتعریف می‌کند. افراد علاقه مند می توانند داده های خود را به صورت رایگان در Nurdle.ai بررسی و آزمایش کنند.

چگونه این اتفاق افتاد

محصولات هوش مصنوعی باید از نظر حریم خصوصی ایمن و برای کودکان بی خطر باشند.

دیویس گفت: “ما احساس می کردیم IP بسیار خوبی برای انجام این کار داریم. بنابراین هنگامی که این امر آشکار شد، واقعاً مشخص شد که باید خانه خوبی پیدا کنیم.”

بخش جالب و نادر این بود که دیویس در حالی که هنوز در آزمایشگاه اسپکتروم کار می کرد، توانست استارتاپ دوم را ادامه دهد. Slack توانست این کار را انجام دهد، زیرا از بازی ها به ارتباطات سازمانی می گذرد. دیگران نیز این کار را کرده اند.

ما واقعاً به مبارزه با هرزنامه ها و سخنان مشوق عداوت و تنفر اهمیت می دهیم. اما ما واقعاً راه حل فنی مناسبی را نمی دانستیم که شش سال بعد از این سوپ پدیدار شود. و معلوم شد که هوش مصنوعی متنی راه درستی برای حل این مشکل بوده است. و ما دیویس گفت. ما مشکلات کلیدی خاصی را در توسعه برخی از پیشرفته‌ترین هوش مصنوعی که می‌توانید تصور کنید، تجربه کردیم، یعنی درک رفتار انسان در اینترنت برای تعدیل خودکار محتوا.»

سپس ظهور OpenAI و ChatGPT آمد و مشکل جدیدی را معرفی کرد که فی نفسه مربوط به تعدیل محتوا نبود.

دیویس گفت: “این در مورد هر کسی است که سعی می کند یک دوره شرکت هوش مصنوعی بسازد، و اینکه چقدر گران است، چقدر به موقع و چقدر سخت است که داده های درست را به دست آورید، به خصوص با تمام موارد حفظ حریم خصوصی که به دلایل خوبی وجود دارد.” بنابراین، ما به راه‌هایی برای تسریع و دور زدن آن نیاز داریم. در نهایت این کار را انجام دادیم. بنابراین فکر می‌کنم طبیعی است، درست است؟ و سپس چرخه ادامه می یابد. در واقع این همان کاری است که ما اینجا انجام دادیم.”

ActiveFence فاش کرد که Spectrum Labs را در ماه سپتامبر خریداری کرده است. اسپکتروم و سرمایه گذاران موجود آن، Nurdle را تامین مالی کردند.

دیویس گفت: «در این مرحله، ما چند سال باند پرواز داریم، سرمایه زیادی در بانک داریم، و تیمی که قبلاً این کار را انجام داده است.

هنگامی که در Spectrum بود، دیویس متوجه شد که بسیاری از شرکت‌های بازی در تلاش هستند تا طبقه‌بندی‌کننده‌های خود را بسازند که Spectrum باید با آنها رقابت کند و آنها در حال آزمایش با هوش مصنوعی مولد برای ایجاد مالکیت معنوی بودند.

بنابراین بیشتر و بیشتر از ما سوال می‌شد که آیا می‌توانیم به ساخت این طبقه‌بندی‌کننده‌ها کمک کنیم یا انواع دیگری از هوش مصنوعی بسازیم. بنابراین ما انتخاب کردیم که این کار را برای بازار بازی به‌عنوان فروشگاه توسعه‌دهنده سفارشی انجام دهیم یا از آن به سمت بالا برویم و به یک شرکت کمک کنیم. او گفت که هوش مصنوعی خود را بر روی ابزارهایی که دارد بسازد. “واقعاً مشخص شد که این یک استراتژی داده است. ما می توانیم به شرکت های بازی کمک کنیم تا چت یا چت درون بازی را بیشتر از آنچه واقعا دارند شبیه سازی کنند، ایجاد کنند و برچسب گذاری کنند. و ما می توانیم هر یک از آن محتوا یا محتوای بازی را به شکلی بسیار موثرتر سازماندهی کنیم. به طوری که زمانی که آنها قصد ساخت NPC های جدید، یا چت ربات های جدید برای هر مکانیزمی، یا ابزارهای نسل جدید هوش مصنوعی برای جوامع خود را دارند، مجموعه داده های بهتری برای انجام این کار داشته باشند.”

او افزود: «بنابراین ما نمی‌خواهیم در قلاب ساختن هوش مصنوعی باشیم.» ما در حال کمک به آنها با داده های مصنوعی هستیم تا کار بهتری در ساخت هوش مصنوعی برای خود انجام دهند. و به نظر می‌رسد که این روش بهتری برای ما برای پاسخگویی به طیف وسیع‌تری از موارد استفاده در شرکت‌های بازی و همچنین انواع دیگر عمودی‌هایی است که قبلاً هرگز با آن‌ها کار نکرده‌ایم، مانند شرکت‌های مراقبت‌های بهداشتی، خدمات مالی و شرکت‌های مارتک.»

چگونه کار می کند

بسیاری از شرکت ها دارای مجموعه داده ها هستند. شرکت های بازی ممکن است داده هایی برای یک شخصیت غیربازیکن داشته باشند. آنها می توانند آن NPC را در یک بازی با بازیکنان صحبت کنند، اما ابتدا باید این داده ها را تنظیم کنند تا یک NPC 18 ساله شبیه NPC 50 ساله نباشد. داده‌ها بر اساس نحوه صحبت افراد تنظیم می‌شوند و Nurdle داده‌های مصنوعی را از آنچه که با حریم خصوصی سازگار است ایجاد می‌کند. سپس آن‌ها از آن برای آموزش NPC استفاده می‌کنند تا به روشی درست صحبت کند و بفهمد که کسی در حال صحبت کردن در اصطلاح بازی است.

او گفت: «این یک تنظیم دقیق است. اما شما می‌خواهید دقیق باشد و با مشکل توهم‌هایی که مردم در مورد آن صحبت می‌کنند مقابله کنید. این مشکل از طریق یک مشکل داده دیگر حل می‌شود، که فرآیندی به نام بازیابی نسل افزوده است، جایی که شما اساساً قبل از پاسخ دادن به یک سؤال به آن می‌گویید که ، به مجموعه خاصی از داده ها مراجعه کنید. بنابراین این می تواند مانند یک NPC باشد، مانند قوانین بازی، کتابچه راهنمای بازی، کاتالوگ یا هر چیز دیگری که در دسترس است. پس جواب نمی دهد و چیزی را می سازد. که در بازی وجود ندارد، درست است، که مستعد انجام آن است.

فرآیند اطمینان از اینکه آن سیستم به درستی کار می کند RAG یا بازیابی نسل افزوده نامیده می شود. برای انجام این کار به درستی، باید مجموعه داده هایی داشته باشید تا بتوانید آن را آزمایش کنید. بنابراین بسیاری از مردم می توانند این چیزها را با داده های خود بسازند. دیویس گفت و پس از آن آنها هیچ راهی برای محک زدن یا آزمایش آن برای بررسی دقیق بودن آن ندارند.

او گفت: «مجموعه داده‌های ما برای این کار سفارشی ایجاد کرده‌اند. “همه در مورد ChatGPT بسیار هیجان زده می شوند. اما بسیاری از کسب و کارها متوجه شدند که نمی توانند به آن اعتماد کنند یا دانش دامنه مورد نیاز شما برای اهداف شما را ندارد.”

هنگامی که این قابلیت را دارید، می‌توانید به درستی ارزیابی کنید که آیا می‌توانید با نسخه ارزان‌تری از فناوری بدون کاهش دقت اجرا کنید یا خیر. این شرکت ۱۸ نفر دارد.

بعدش چی

ActiveFence در فرآیند بررسی فناوری برای Nurdle شرکت داشت زیرا آنها به مجموعه داده‌های جدیدی نیاز داشتند تا طبقه‌بندی‌کننده‌های آزمایشگاه Spectrum را حتی بهتر کنند.

دیویس گفت: ما به کار بر روی اعتماد و ایمنی ادامه می دهیم. “این شرکت های بازی همه به هوش مصنوعی و مجموعه داده ها برای ویژگی های چت درون بازی نیاز دارند. اگر تا به حال چت درون بازی نداشته اید، به داده ها و محتوای شبیه سازی شده نیاز دارید تا بهتر این سیستم ها را آزمایش کنید و بفهمید چه چیزی می دانید. در اینجا بسیار کاربردی است و ما تازه شروع به خراشیدن سطح روی آن کرده ایم.»

دیویس گفت که این شرکت آزمایش آزمایشی را در حالی که تحت آزمایشگاه طیف قرار داشت انجام داد و به همین دلیل است که آماده است تا در حال حاضر به عنوان یک نهاد جداگانه راه اندازی شود.

او گفت: «ما در نسخه بتای خصوصی با برخی از شرکا و مشتریان اولیه هستیم و مایلیم قبل از اینکه این را به طور گسترده در دسترس قرار دهیم، چند مورد دیگر را نیز وارد کنیم. “ما تعداد زیادی دم کردن با مشتریان بازی و انواع مختلف عمودی داریم. ساعت پربیننده است. ما آماده هستیم.”