دراپ باکس و مدیران عامل Figma از Lamini حمایت می کنند، استارتاپی که پلتفرم هوش مصنوعی مولد برای شرکت ها ایجاد می کند.

Lamini، یک استارت‌آپ مستقر در پالو آلتو که پلتفرمی را برای کمک به شرکت‌ها در استقرار فناوری هوش مصنوعی مولد ایجاد می‌کند، ۲۵ میلیون دلار از سرمایه‌گذارانی از جمله اندرو انگ، استاد علوم کامپیوتر استانفورد، جمع‌آوری کرده است.

Lamini که چندین سال پیش توسط شارون ژو و گرگ دیاموس با هم تأسیس شد، فروش جالبی دارد.

ژو و دیاموس استدلال می‌کنند که بسیاری از پلتفرم‌های هوش مصنوعی تولیدی بیش از حد همه‌منظوره هستند و راه‌حل‌ها و زیرساخت‌هایی برای پاسخگویی به نیازهای شرکت‌ها ندارند. در مقابل، Lamini از ابتدا با در نظر گرفتن شرکت‌ها ساخته شد و بر ارائه دقت و مقیاس‌پذیری هوش مصنوعی مولد بالا متمرکز است.

ژو، مدیرعامل لامینی، به TechCrunch گفت: «اولویت اصلی تقریباً هر مدیر عامل، CIO و CTO این است که از هوش مصنوعی مولد در سازمان خود با حداکثر بازگشت سرمایه استفاده کنند. “اما در حالی که دریافت نسخه نمایشی کار بر روی لپ‌تاپ برای یک توسعه‌دهنده آسان است، مسیر تولید پر از شکست‌ها در چپ و راست است.

به نظر ژو، بسیاری از شرکت‌ها نسبت به موانع موجود در پذیرش معنادار هوش مصنوعی مولد در عملکردهای تجاری خود ابراز ناامیدی کرده‌اند.

بر اساس نظرسنجی ماه مارس از MIT Insights، تنها 9 درصد از سازمان ها به طور گسترده هوش مصنوعی مولد را پذیرفته اند، علیرغم اینکه 75 درصد آن را تجربه کرده اند. موانع اصلی طیف وسیعی از فقدان زیرساخت و قابلیت های فناوری اطلاعات تا ساختارهای حاکمیتی ضعیف، مهارت های ناکافی و هزینه های بالای اجرا را شامل می شود. امنیت نیز عامل مهمی است – در یک نظرسنجی اخیر توسط Insight Enterprises، 38 درصد از شرکت‌ها گفتند که امنیت بر توانایی آن‌ها در استفاده از فناوری هوش مصنوعی مولد تأثیر می‌گذارد.

پس جواب لامینی چیه؟

ژو می‌گوید که «هر بخش» از پشته فناوری Lamini برای بارهای کاری هوش مصنوعی در مقیاس سازمانی، از سخت‌افزار گرفته تا نرم‌افزار، از جمله موتورهای مورد استفاده برای پشتیبانی از هماهنگ‌سازی مدل، تنظیم دقیق، اجرا و آموزش، بهینه‌سازی شده است. «بهینه‌سازی شده» واژه‌ای مبهم است، اما لامینی در مرحله‌ای پیشگام است که ژو آن را «تنظیم حافظه» می‌نامد، که تکنیکی برای آموزش مدلی بر روی داده‌ها به‌گونه‌ای است که بخش‌هایی از آن داده‌ها را دقیقاً به خاطر بیاورد.

به ادعای ژو، تنظیم حافظه به طور بالقوه می تواند توهمات را کاهش دهد، یا مواردی را که یک مدل در پاسخ به یک درخواست حقایق را می سازد.

نینا وی، طراح هوش مصنوعی، “تنظیم حافظه یک الگوی آموزشی است – به اندازه تنظیم دقیق، اما فراتر از آن – برای آموزش مدلی بر روی داده های اختصاصی که شامل حقایق کلیدی، اعداد و ارقام است به طوری که مدل دقت بالایی داشته باشد.” در لامینی، از طریق ایمیل به من گفت، “و می تواند به جای تعمیم یا توهم، مطابقت دقیق هر اطلاعات کلیدی را به خاطر بسپارد و به خاطر بیاورد.”

من مطمئن نیستم که آن را بخرم. به نظر می رسد “تنظیم حافظه” بیشتر یک اصطلاح بازاریابی باشد تا یک اصطلاح آکادمیک. هیچ مقاله تحقیقاتی در مورد آن وجود ندارد – حداقل هیچ یک از آنها را پیدا کردم. لامینی را رها می‌کنم تا شواهدی را نشان دهد که «تنظیم حافظه» آن بهتر از سایر تکنیک‌های کاهش توهم است که در حال انجام/استفاده شده‌اند.

خوشبختانه برای Lamini، تنظیم حافظه تنها وجه تمایز آن نیست.

ژو می‌گوید این پلتفرم می‌تواند در محیط‌های بسیار امن، از جمله محیط‌های دارای شکاف هوا، کار کند. Lamini به شرکت‌ها اجازه می‌دهد مدل‌ها را روی طیف وسیعی از پیکربندی‌ها، از مراکز داده داخلی گرفته تا ابرهای عمومی و خصوصی، اجرا، تنظیم و آموزش دهند. ژو می‌گوید، و حجم‌های کاری را «الاستیک» کاهش می‌دهد و در صورتی که برنامه یا کیس کاربری آن را بخواهد به بیش از 1000 GPU می‌رسد.

ژو گفت: «در حال حاضر مشوق‌ها در بازار با مدل‌های منبع بسته نادرست هستند. “ما هدف داریم کنترل را به دست افراد بیشتری، نه تنها چند نفر، برگردانید، با شرکت‌هایی شروع می‌شود که بیشتر به کنترل اهمیت می‌دهند و بیشترین ضرر را از داده‌های اختصاصی خود که متعلق به شخص دیگری است، دارند.»

بنیانگذاران لامینی، به همان اندازه که ارزشش را دارد، در فضای هوش مصنوعی کاملاً موفق هستند. آنها همچنین به طور جداگانه با Ng شانه ها را برس زده اند، که بدون شک سرمایه گذاری او را توضیح می دهد.

ژو قبلاً در دانشگاه استنفورد مشغول به تحصیل بود و در آنجا سرپرستی گروهی را بر عهده داشت که در حال تحقیق بر روی هوش مصنوعی مولد بودند. او قبل از دریافت دکترای خود در علوم کامپیوتر زیر نظر Ng، مدیر محصول یادگیری ماشین در Google Cloud بود.

دیاموس، به نوبه خود، MLCommons، کنسرسیوم مهندسی که به ایجاد معیارهای استاندارد برای مدل‌های هوش مصنوعی و سخت‌افزار اختصاص دارد، و همچنین مجموعه معیارهای MLCommons، MLPerf، را تأسیس کرد. او همچنین تحقیقات هوش مصنوعی را در Baidu رهبری کرد، جایی که با Ng کار کرد در حالی که دومی دانشمند ارشد آنجا بود. Diamos همچنین یک معمار نرم افزار در تیم CUDA انویدیا بود.

به نظر می رسد که ارتباطات صنعتی بنیانگذاران به لامینی یک پای در جبهه جمع آوری سرمایه داده است. علاوه بر Ng، مدیر عامل Figma، دیلن فیلد، مدیر عامل Dropbox درو هیوستون، بنیانگذار OpenAI آندری کارپاتی، و – به طرز عجیبی – برنارد آرنو، مدیر عامل غول کالاهای لوکس LVMH، همگی در Lamini سرمایه گذاری کرده اند.

AMD Ventures نیز یک سرمایه‌گذار است (با توجه به ریشه‌های انویدیا Diamos)، و First Round Capital و Amplify Partners نیز سرمایه‌گذار هستند. AMD زود وارد این کار شد و سخت‌افزار مرکز داده را به Lamini عرضه کرد و امروز، Lamini بسیاری از مدل‌های خود را بر روی پردازنده‌های گرافیکی AMD Instinct اجرا می‌کند و روند صنعت را به هم می‌زند.

Lamini این ادعای بلند را دارد که بسته به حجم کار، عملکرد آموزش و اجرای مدل آن با پردازنده‌های گرافیکی معادل Nvidia برابری می‌کند. از آنجایی که ما برای آزمایش این ادعا مجهز نیستیم، آن را به اشخاص ثالث واگذار می کنیم.

تا به امروز، لامینی 25 میلیون دلار در سری‌های سری A جمع‌آوری کرده است (Amplify رهبری سری A را بر عهده داشت). ژو می گوید که این پول صرف سه برابر کردن تیم 10 نفره شرکت، توسعه زیرساخت محاسباتی آن و شروع توسعه به سمت “بهینه سازی فنی عمیق تر” می شود.

تعدادی از فروشندگان هوش مصنوعی مولد و سازمانی وجود دارند که می توانند با جنبه های پلت فرم Lamini رقابت کنند، از جمله غول های فناوری مانند گوگل، AWS و مایکروسافت (از طریق شراکت OpenAI). گوگل، AWS و OpenAI، به ویژه، در ماه‌های اخیر به شدت از این شرکت استفاده کرده‌اند و ویژگی‌هایی مانند تنظیم دقیق، تنظیم دقیق خصوصی در داده‌های خصوصی و موارد دیگر را معرفی کرده‌اند.

از ژو در مورد مشتریان لامینی، درآمد و شتاب کلی ورود به بازار پرسیدم. او تمایلی به افشای چیزهای زیادی در این مقطع کمی نداشت، اما گفت که AMD (از طریق AMD Ventures tie-in)، AngelList و NordicTrack از جمله کاربران اولیه Lamini (پرداخت کننده) به همراه چندین سازمان دولتی نامشخص هستند.

او افزود: “ما به سرعت در حال رشد هستیم.” «چالش شماره یک خدمت به مشتریان است. ما فقط تقاضای ورودی را مدیریت کرده‌ایم زیرا زیر آب رفته‌ایم. با توجه به علاقه به هوش مصنوعی مولد، ما نماینده ای در کاهش سرعت کلی فناوری نیستیم – برخلاف همتایان خود در دنیای پر هیاهوی هوش مصنوعی، ما حاشیه های ناخالص داریم و بیشتر شبیه به یک شرکت فناوری معمولی به نظر می رسد.

مایک داوبر، شریک عمومی Amplify گفت: «ما معتقدیم که فرصت بزرگی برای هوش مصنوعی مولد در شرکت‌ها وجود دارد. در حالی که تعدادی از شرکت های زیرساخت هوش مصنوعی وجود دارد، Lamini اولین شرکتی است که من دیدم که مشکلات شرکت را جدی می گیرد و راه حلی ایجاد می کند که به شرکت ها کمک می کند ارزش عظیم داده های خصوصی خود را باز کنند و در عین حال حتی سخت ترین موارد را نیز رعایت کنند. و الزامات امنیتی.»