انحصاری: نه نفر هالومینیت 30 میلیون دلار جمع آوری می کند، چهار آزمایشگاه برتر هوش مصنوعی ایالات متحده را به عنوان مشتری به حساب می آورد.

هالومینیت، یک استارت‌آپ 9 نفره در سانفرانسیسکو که محیط‌های آموزشی هوش مصنوعی را برای کارهای مالی ایجاد می‌کند، 30 میلیون دلار در سری A به رهبری Oak HC/FT جمع‌آوری کرده است و مجموع بودجه خود را به 38.5 میلیون دلار رسانده است.

هالومینیت مدل‌های هوش مصنوعی را در وظایف مالی معیار قرار می‌دهد تا مکان‌هایی را که کوتاهی می‌کنند پیدا کند و محیط‌های آموزشی شبیه‌سازی‌شده‌ای را با هدف آن شکاف‌ها ایجاد می‌کند. Halluminate که در سال 2024 تأسیس شد، شرط می‌بندد که داده‌ها و محیط‌های مورد استفاده برای آموزش هوش مصنوعی به طور فزاینده‌ای توسط صنعت تخصصی می‌شوند.

جری وو، مدیرعامل، به فورچون می گوید که شبیه سازی کار یک بانکدار سرمایه گذاری اساسا با شبیه سازی کار یک مهندس نرم افزار متفاوت است. او به سیستم‌هایی که این شرکت می‌سازد به عنوان «آزمایشگاه‌های تحقیقاتی داده‌های عمودی» اشاره می‌کند. وو انتظار دارد که داده‌های آموزشی هوش مصنوعی توسط صنعت تخصصی‌تر شود و شرکت‌ها به‌جای بسیاری از حوزه‌ها، بر حوزه‌هایی مانند مالی، کدنویسی یا مراقبت‌های بهداشتی تمرکز کنند.

معیاری که این شرکت در ماه آگوست منتشر کرد، از هفت مدل مرزی خواسته بود تا از طریق یک فرآیند شبیه‌سازی شده خرید شرکت کار کنند. این 88 کار بر اساس تراکنش‌های سهام خصوصی ناشناس بوده و توسط متخصصان معامله نوشته و بررسی شده است. بالاترین میانگین امتیاز 51 درصد بود.

یک کار از یک نماینده خواست تا با استفاده از یک اتاق داده 160 فایلی، 21 ایمیل در 9 رشته و چهار یادداشت جلسه، بیانیه کار را خط قرمز کند. با تغییر شرایط معامله، نماینده باید آخرین دستورالعمل‌ها را شناسایی می‌کرد و در عین حال مقرراتی را که بدون تغییر باقی می‌ماند حفظ می‌کرد. در سراسر معیار، عوامل برای رساندن دستورالعمل‌ها تا تحویل نهایی تلاش می‌کردند: آنها تغییرات مورد نیاز را کنار گذاشتند، از روش تحلیلی اشتباه استفاده کردند، یا به اطلاعاتی که جایگزین شده بودند تکیه کردند.

معیارهایی مانند این مشخص می‌کنند که عوامل در جریان‌های کاری پیچیده مالی کجا شکسته می‌شوند، سپس آن حالت‌های شکست را به محیط‌های یادگیری تقویتی تبدیل می‌کنند.

این تمرکز به مت استرایسفلد، شریک عمومی Oak HC/FT کمک کرد. او به فورچون می‌گوید که امور مالی طیف گسترده‌ای از کار دانش پیچیده، از بانکداری و سهام خصوصی گرفته تا مشاوره و حسابداری را ارائه می‌دهد. همانطور که ماموران هوش مصنوعی کارهایی را انجام می دهند که از ساعت ها به روزها طول می کشد، او انتظار دارد که کیفیت محیط های آموزشی تخصصی اهمیت بیشتری داشته باشد. تخصص مالی و زیرساخت هالومینیت برای ساختن محیط های با کیفیت بالا برای او برجسته بود. او گفت: «زمانی که نماینده شروع به کار با افق طولانی کند، آزمایش کار و تخصص واقعا کلید خواهد بود.»

تقاضا برای این نوع زیرساخت های پس از آموزش هم در پروژه های مشتری و هم در معاملات شروع شده است. Scale AI در فوریه نوشت که تقریبا نیمی از پروژه‌های جدید آموزش داده شامل محیط‌های یادگیری تقویتی است. دیپتون که محیط های کاری شبیه سازی شده را برای آموزش عوامل هوش مصنوعی می سازد، در ماه مارس مبلغ 43 میلیون دلاری از سری A به رهبری آندریسن هوروویتز جمع آوری کرد و چهار ماه بعد موافقت کرد که توسط مرکور خریداری شود.

به گفته وو، چهار مورد از پنج آزمایشگاه منبع بسته برتر هوش مصنوعی ایالات متحده به مشتریان پرداخت می کنند. او گفت که هالومینیت بر اساس درآمد سه ماهه حاصل از کارهایی که قبلا تحویل داده شده و پرداخت شده است و سودآور است، از رقم متوسط ​​هشت در نرخ درآمد سالانه عبور کرده است.

"قانون مور" محیط زیست

در حال حاضر، هالومینیت عمدا بر روی گروه کوچکی از آزمایشگاه‌های مدل مرزی تمرکز می‌کند تا اینکه به طور گسترده در مشتریان سازمانی گسترش یابد. وو آن تمرکز را به عنوان یک نقطه قوت می بیند. او گفت هالومینیت می‌خواهد ابتدا با آزمایشگاه‌های مدل مرزی کار کند، جایی که می‌تواند به پیشبرد قابلیت‌های مدل کمک کند و رویکرد خود را برای ایجاد محیط‌های آموزشی توسعه دهد. مشتریان سازمانی و سایر صنایع می‌توانند بعدا بیایند، اما امروز هیچ کدام در اولویت نیستند.

هالومینیت استدلال می کند که تخصص به آن اجازه می دهد تا تخصص مالی، شبکه تخصصی خود و روش های راستی آزمایی و تولید داده های خاص دامنه را ترکیب کند.

با بهبود مدل ها، هالومینیت باید محیط های خود را پیچیده تر کند تا آنها را برای آموزش مفید نگه دارد. در داخل هالومینیت، وو نامی برای این فشار دارد: «قانون محیط‌های مور».

او تخمین می‌زند که هر شش تا هشت ماه، پیچیدگی محیط‌های این شرکت تقریبا دو برابر می‌شود تا مدل‌های مرزی را ادامه دهند. این پیچیدگی می تواند به معنای مسیرهای طولانی تر، وظایف استدلال سخت تر و فایل های بیشتر در یک محیط باشد.

وو IP شرکت را توانایی آن برای ادامه تولید این پیچیدگی «نسل به نسل» توصیف کرد.

به گفته وو، سرمایه گذاران موجود Halluminate Y Combinator، Orange Collective و Heavybit به همراه محققان فردی از Anthropic، OpenAI و Meta در این دور شرکت کردند.

این داستان در ابتدا در سایت Fortune.com منتشر شد