Ha chiamato un laboratorio di intelligenza artificiale Fondamentale è emerso di nascosto giovedì, offrendo un nuovo modello di base per risolvere un vecchio problema: come trarre spunti dalle enormi quantità di dati strutturati prodotti dalle imprese. Combinando i vecchi sistemi di intelligenza artificiale predittiva con strumenti più contemporanei, l’azienda ritiene di poter rimodellare il modo in cui le grandi imprese analizzano i propri dati.
“Sebbene gli LLM siano stati bravissimi a lavorare con dati non strutturati, come testo, audio, video e codice, non funzionano bene con dati strutturati come le tabelle”, ha dichiarato a TechCrunch il CEO Jeremy Fraenkel. “Con il nostro modello Nexus, abbiamo creato il miglior modello di base per gestire questo tipo di dati.”
L’thought ha già suscitato un notevole interesse da parte degli investitori. La società sta emergendo dalla clandestinità con un finanziamento di 255 milioni di dollari per una valutazione di 1,2 miliardi di dollari. La maggior parte proviene dal recente spherical di serie A da 225 milioni di dollari guidato da Oak HC/FT, Valor Fairness Companions, Battery Ventures e Salesforce Ventures; Anche Hetz Ventures ha partecipato alla Serie A, con il finanziamento angel del CEO di Perplexity Aravind Srinivas, del co-fondatore di Brex Henrique Dubugras e del CEO di Datadog Olivier Pomel.
Chiamato Giant Tabular Mannequin (LTM) piuttosto che Giant Language Mannequin (LLM), il Nexus di Elementary si discosta dalle pratiche contemporanee di intelligenza artificiale in diversi modi significativi. Il modello è deterministico – ovvero darà la stessa risposta ogni volta che gli viene posta una determinata domanda – e non si basa su l’architettura del trasformatore che definisce i modelli della maggior parte dei laboratori di intelligenza artificiale contemporanei. Elementary lo definisce un modello di base perché passa attraverso le normali fasi di pre-formazione e messa a punto, ma il risultato è qualcosa di profondamente diverso da quello che otterrebbe un cliente collaborando con OpenAI o Anthropic.
Queste differenze sono importanti perché Elementary sta inseguendo un caso d’uso in cui i modelli di intelligenza artificiale contemporanei spesso vacillano. Poiché i modelli di intelligenza artificiale basati su Transformer possono elaborare solo i dati che si trovano all’interno della loro finestra di contesto, spesso hanno difficoltà a ragionare su set di dati estremamente grandi, advert esempio analizzando un foglio di calcolo con miliardi di righe. Ma questo tipo di enorme set di dati strutturati è comune nelle grandi imprese, creando un’opportunità significativa per modelli in grado di gestire la scala.
Secondo Fraenkel, questa è un’enorme opportunità per Elementary. Utilizzando Nexus, l’azienda può portare tecniche contemporanee nell’analisi dei Large Knowledge, offrendo qualcosa di più potente e flessibile rispetto agli algoritmi attualmente in uso.
“Ora puoi avere un modello per tutti i tuoi casi d’uso, quindi ora puoi espandere enormemente il numero di casi d’uso che affronti”, ha detto a TechCrunch. “E in ognuno di questi casi d’uso, ottieni prestazioni migliori di quelle che potresti altrimenti ottenere con un esercito di knowledge scientist.”
Questa promessa ha già portato a una serie di contratti di alto profilo, compresi contratti a sette cifre con clienti Fortune 100. L’azienda ha inoltre stretto una partnership strategica con AWS che consentirà agli utenti AWS di distribuire Nexus direttamente dalle istanze esistenti.
