
شرکتها روی دادههای بدون ساختار زیادی مینشینند و اغلب توانایی استخراج بسیاری از آنها را ندارند.
اکنون تصور کنید که راهی برای ذخیره دادهها دارید و در واقع میتوانید از آنها سؤالاتی بپرسید، مانند «شرکت ABC چه زمانی اولین قرارداد خود را با ما امضا کرد؟» یا «ویدیوهایی را به من نشان دهید که حاوی آسمان آبی هستند».
این همان چیزی است که SeMI Technologies با Weaviate، یک موتور جستجوی برداری، می سازد. باب ون لویت، مدیر عامل و یکی از بنیانگذاران SeMI گفت: این یک نوع منحصر به فرد از پایگاه داده برای اولین بار با هوش مصنوعی است که از مدل های یادگیری ماشینی استفاده می کند که بردارهایی را که به عنوان جاسازی شده نیز شناخته می شوند، تولید می کند.
او توضیح داد که موتورهای جستجوی برداری جدید نیستند – جستجوی گوگل نمونه ای از راه حلی است که بر روی موتور جستجوی برداری ساخته شده است. با این حال، هدف SeMI استفاده از این فناوری است و دارای یک مدل کسب و کار متن باز است تا همه بتوانند از آن استفاده کنند.
ون لویت سال گذشته با ایجاد یک موتور جستجوی معنایی که به سوالات مقالات Techcrunch 2021 پاسخ میدهد، به همکارم، الکس ویلهلم، نگاهی به فناوری انداخت.
ون لویت افزود: «همه میتوانند از این فناوری استفاده کنند و ما ابزارها و خدماتی را برای شرکتهایی داریم که به آن نیاز دارند». ما مدلهای واقعی را ایجاد یا توزیع نمیکنیم – این کار توسط شرکتهایی مانند Huggingface یا OpenAI انجام میشود، یا شرکتها خودشان مدلهایی را ایجاد میکنند. اما داشتن مدلها یک چیز است، استفاده از آنها برای تقویت موتورهای جستجو و توصیههای تولیدی چیز دیگری است، و این چیزی است که Weaviate تصمیم میگیرد.
از زمان تأسیس شرکت در سال 2019 با CTO Etienne Dilocker و COO Micha Verhagen، ون لویت شاهد بوده است که فناوری SeMI الهامبخش بیش از 100 کاربرد، از جمله استارتآپهایی مانند Keenious یا Zencastr، ایجاد کسبوکارهای جدید بر اساس فرصتهای جدید. که موتور جستجوی برداری است. آنها را می دهد و زمانی استفاده می کند که نتایج ارائه شده توسط Weaviate به طور مستقیم به افراد کمک کند، مثلاً در پزشکی.
برخی از موارد مورد علاقه شخصی ون لویت، مواردی بودند که به گفته او «غنی تر» بودند، از جمله بردارسازی و جستجوی ژنوم انسان، نقشه برداری از جهان به صورت برداری، یا به اصطلاح گرافیک های جاسازی شده که به راحتی می توان با Weaviate به عنوان نمونه SeMI آن را جستجو کرد. ، بر اساس جاسازی گرافیکی Meta Researches ساخته شده است.
SeMI در آگوست 2020 1.2 میلیون دلار از شرکای ونچر و ING Ventures سرمایهگذاری کرد و از آن زمان تاکنون در رادار شرکتهای سرمایهگذاری خطرپذیر بوده است. از آن زمان تاکنون نرم افزار آن تقریباً 750000 بار دانلود شده است که افزایشی در حدود 30 درصد در ماه داشته است. Van Luith جزئیاتی از ارقام رشد شرکت ارائه نکرد، اما گفت که تعداد برداشت ها می تواند با فروش مجوزهای شرکتی و خدمات مدیریت شده مرتبط باشد. علاوه بر این، جهش در استفاده و درک ارزش افزوده Weaviate منجر به افزایش همه شاخصهای رشد شده و این شرکت بودجه اولیه خود را به اتمام رسانده است.
اگرچه بودجه اولیه ناپدید شده بود، شرکت فعالانه به دنبال بودجه جدید نبود. با این حال، زمانی که بنیانگذاران SeMI از گفتگو با Cortical Ventures، یک صندوق جدید از بنیانگذاران سابق Datarobot و New Enterprise Associates (NEA) لذت بردند، ون لویت گفت که این شرکت ها به آنها نشان دادند که چگونه از تجارت حمایت کنند.
او افزود: «این واقعاً عالی بود که دستم را نیشگون بگیرم. هر کاری که آنها در گذشته انجام دادهاند، تیمهایی که از ما حمایت میکنند، دقیقاً همان چیزی بوده است که ما به دنبال آن هستیم، و من میتوانم از تجربههای تازه زیادی بگویم، تمام داستانهای شگفتانگیز واقعی هستند.»
این گفتگوها باعث شد NEA و Cortical دور جدید سرمایه گذاری 16 میلیون دلاری سری A را رهبری کنند.
SeMI قصد دارد از بودجه جدید برای استخدام استعدادهای آمریکایی و اروپایی استفاده کند و جامعه منبع باز خود را برای جستجوی Weaviate و به طور کلی دو برابر کند. همچنین تمرکز خود را بر بازار و محصولات پیرامون هسته منبع باز افزایش میدهد و اولین گامها را در تحقیقاتی که یادگیری ماشین با علم کامپیوتر همپوشانی دارد، برمیدارد.
در همین حال، ون لوئیس معتقد است که ما به موج بعدی فناوری پایگاه داده نگاه می کنیم که با موج SQL آغاز شد، که منجر به برندگان بزرگی مانند اوراکل و مایکروسافت شد و پس از آن موج دوم موج بدون پایگاه داده SQL با برندگان بود. مانند MongoDB و Redis.
وی افزود: «ما اکنون در آستانه نسل جدیدی از پایگاههای اطلاعاتی هستیم، پایگاههایی که در درجه اول هوش مصنوعی هستند و Weaviate نمونهای از آن است. «ما باید نه تنها برای Weaviate، بلکه برای پایگاههای اطلاعاتی جستجوی برداری یا پایگاههای داده اول هوش مصنوعی در این زمینه به بازار آموزش دهیم. این یک کار بسیار هیجانانگیز است، زیرا یادگیری ماشین چیزی فوقالعاده منحصر به فرد را به میز میآورد. به عنوان مثال، اگر پایگاه داده شما به سؤالات زبان طبیعی در میلیون ها – یا حتی میلیاردها – سند پاسخ دهد یا «فهمد» که میلیون ها عکس یا ویدیو حاوی چه چیزی هستند.