One AI 8 میلیون دلار برای نظارت بر مدل های NLP خاص کسب و کار جمع آوری می کند

چه آنها ترجمه را برای جمع آوری اسناد افزایش دهند یا نه، سرمایه گذاری خود را در فناوری های پردازش زبان طبیعی (NLP) افزایش می دهند. طبق یک مطالعه در سال 2021 توسط John Snow Labs و Gradient Flow، 60٪ از رهبران فناوری گفتند که بودجه NLP آنها حداقل 10٪ نسبت به سال 2020 افزایش یافته است، در حالی که یک سوم گفتند هزینه ها بیش از 30٪ افزایش یافته است.

این یک بازار بسیار رقابتی است. فراتر از استارت‌آپ‌های با بودجه خوب مانند OpenAI، Cohere، AI21 Labs و Hugging Face و غول‌های فناوری از جمله گوگل، مایکروسافت و آمازون، مجموعه جدیدی از ارائه‌دهندگان NLP وجود دارد که بر اساس مدل‌های AI منبع باز ساخته شده‌اند. اما یوچای لوی ناامید نیست. او یکی از بنیانگذاران One AI است، یک پلتفرم NLP که امروز از مخفی کاری 8 میلیون دلاری به رهبری آریل میلوس، Tech Avivمدیرعامل Sentinel One تومر وینگارتن و دیگر سرمایه‌گذاران ناشناس و سرمایه‌گذاران فرشته.

لوی از طریق ایمیل به TechCrunch گفت: «در حالی که بازار به سرعت در حال رشد است، NLP پیشرفته هنوز عمدتاً توسط محققان متخصص، فناوری های بزرگ و دولت ها استفاده می شود. ما معتقدیم که این فناوری به بلوغ نزدیک می شود و پس از چندین بار ساختن NLP از ابتدا در گذشته، به این نتیجه رسیدیم که زمان آن رسیده است که آن را تولید کنیم و در دسترس هر توسعه دهنده ای قرار دهیم.

اعتبار تصویر: یک AI

لوی آنچه را که به عقیده او چالش های اصلی توسعه NLP هستند، تشریح می کند. او استدلال می کند که اغلب نظارت بر مدل های منبع باز دشوار است، زیرا آنها باید هم با دامنه مناسب و هم با وظیفه مطابقت داشته باشند. به عنوان مثال، یک مدل تولید متن آموزش دیده برای طبقه بندی سوابق پزشکی برای برنامه ای که برای ایجاد تبلیغات طراحی شده است مناسب نیست. علاوه بر این، مدل ها باید دائماً با داده های جدید بازآموزی شوند – تا “راکد” نشوند. به عنوان مثال، GPT-3 OpenAI به این سوال پاسخ می دهد که “رئیس جمهور ایالات متحده کیست؟” با پاسخ “دونالد ترامپ” زیرا او بر اساس داده های قبل از انتخابات 2020 آموزش دیده است.

لوی معتقد است راه حل مجموعه ای از مدل های NLP است که برای استفاده های خاص تجاری آموزش دیده اند – به عبارت دیگر، محصول One AI. او در سال 2021 با مدیر عامل آمیت بن، مدیر ارشد اجرایی Aviv Dror و CSO Asi Sheffer همکاری کرد تا این ایده را دنبال کند. بن قبلاً رئیس هوش مصنوعی در LogMeIn بود، پس از اینکه این شرکت دومین استارتاپ او، Nanorep، ارائه‌دهنده هوش مصنوعی و چت بات را خریداری کرد. Dror به تاسیس Nanorep کمک کرد و به عنوان مدیر محصول برای پلتفرم Wix خدمت کرد. شفر، دانشمند سابق داده در Nanorep، دانشمند ارشد داده در LogMeIn بود. در مورد لوی، او معاون بازاریابی آنلاین در LivePerson و رئیس بازاریابی در WeWork بود.

One AI مجموعه‌ای از مدل‌ها را ارائه می‌کند که می‌توانند با یک فراخوانی API در یک خط لوله پردازش کلمه ترکیب و نقشه‌برداری شوند. لوی گفت که هر مدل برای کاربرد آن در شرکت انتخاب و آموزش داده می شود و به طور خودکار توسط پلتفرم به وظیفه و دامنه مشتری نگاشت می شود (مثلاً خلاصه گفتگوها، بینش های فروش، کشف موضوع و اصلاح). مدل های One AI همچنین می توانند با مدل های منبع باز و اختصاصی ترکیب شوند تا قابلیت های One AI را گسترش دهند.

پلتفرم API ورودی های متنی، صوتی و تصویری را در قالب های مختلف می پذیرد. با استفاده از استودیوی زبان One AI، کاربران می توانند API را آزمایش کنند و تماس هایی را برای استفاده در کد ایجاد کنند.

با بلوغ فناوری هوش مصنوعی زبان، بالاخره زمان آن فرا رسیده است که ماشین‌ها شروع به تطبیق با ما کنند.» بن از طریق ایمیل به TechCrunch گفت. “استفاده از ابزارهای درک زبان از جامعه توسعه دهندگان گسترده تر راهی برای رسیدن به آن است.”

اعتبار تصویر: یک AI

یک هوش مصنوعی خدمات NLP خود را در چندین سطح رتبه بندی می کند، از جمله سطح رایگان که شامل پردازش حداکثر یک میلیون کلمه در ماه است. “نرخ رشد” سفارش داده شده 100000 کلمه برای 1 دلار اضافه می کند.

مانعی که One AI باید بر آن غلبه کند این است که مشتریان را متقاعد کند که خدماتش جذاب تر از آنچه در حال حاضر وجود دارد هستند. در ماه آوریل، OpenAI گفت که ده ها هزار توسعه دهنده از GPT-3 از طریق API خود برای تولید کلمات برای بیش از 300 برنامه استفاده کردند. اما با توجه به اینکه Fortune Business Insights بازار NLP را 16.53 میلیارد دلار در سال 2020 تعیین کرده است، می توان ادعا کرد که سهم کافی از کیک تازه وارد وجود دارد.

موسس و شریک مدیریت TehAviv اضافه شد جارون سامید: “زبان با ارزش ترین منبع استفاده نشده است، فراتر از دسترس اکثر محصولات و شرکت ها. این برای بیشتر صنایع و حوزه‌ها صادق است و منجر به نتایج منفی می‌شود که شامل همه چیز از فروش از دست رفته گرفته تا سطوح پایین‌تر تعامل و وفاداری مشتری و آسیب به اعتبار می‌شود. انتشار هوش مصنوعی زبان به ما این امکان را می دهد که از قدرت این داده های بدون ساختار استفاده کرده و آن را به اطلاعات و بینش مفید تبدیل کنیم.

یکی از هوش مصنوعی می‌گوید که بخشی از درآمد حاصل از دور اولیه صرف گسترش تیم 22 نفره‌اش به 10 دانشمند NLP می‌شود.