Rockfish به شرکت ها کمک می کند تا از داده های مصنوعی استفاده کنند

ویاس سکار سال‌ها از موکای گیریش، یک دوست قدیمی از دوره کارشناسی، دعوت می‌کرد تا درباره ایده‌های بالقوه استارت‌آپ صحبت کند و نظر گیریش را جلب کند. این دو معمولاً از طریق یک ایده با هم صحبت می کردند و گفتگو را در آن پایان می دادند. هنگامی که Sekar در اوایل سال 2022 با Girish تماس گرفت و ایده‌ای مربوط به داده‌های مصنوعی را داشت، مکالمه تنها با قطع کردن تلفن به پایان نرسید.

سکار و همکارش در دانشگاه کارنگی ملون، جولیا فانتی، روی ساخت داده های مصنوعی برای رفع بحران تکرارپذیری یا ناتوانی در بازتولید داده ها در دانشگاه کار می کردند. در حالی که سکار نیاز به راه حلی را در دانشگاه می دید، گیریش می دانست که مشتریانش در آن زمان با همین مشکل مواجه بودند. پس از صحبت با چند شرکت، پایان نامه بیشتر تایید شد.

گیریش، مدیرعامل، به TechCrunch گفت: «در آن زمان احساس می‌شد که این بسیار واقعی است و فرصتی وجود دارد. بنابراین این چیزی است که ما را شروع کردیم و طی چند ماه آینده با برخی از سرمایه‌گذاران، افرادی که می‌شناختیم و مهم‌تر از آن شرکت‌ها صحبت کردیم و متوجه شدیم که این یک مشکل مهم است و می‌دانید ارزش دارد که یک زندگی کامل را پشت سر بگذاریم. “

نتیجه Rockfish بود، استارت‌آپی که از هوش مصنوعی مولد برای ایجاد داده‌های مصنوعی برای گردش‌های کاری عملیاتی استفاده می‌کند تا به شرکت‌ها کمک کند سیلوهای داده خود را تجزیه کنند. Rockfish با ارائه دهندگان پایگاه داده از جمله AWS و Azure و سایر موارد ادغام می شود و به کاربران کمک می کند تا بهترین پیکربندی را برای داده های خود بر اساس سیاست های شرکت یا استفاده از داده ها انتخاب کنند.

داده های مصنوعی به طور فزاینده ای به یک موضوع داغ در دنیای هوش مصنوعی تبدیل شده است، اما در ژوئن 2022 که شرکت شروع به کار کرد، شتاب فزاینده ای برای آن وجود داشت. Girish گفت که Rockfish می خواست مطمئن شود که در حال ساخت محصولی متمایز از خود است. همتایان و همچنین راه حلی که شرکت ها روزانه از آن استفاده می کنند، نه هر چند وقت یکبار.

به همین دلیل است که محصول این شرکت به گونه ای طراحی شده است که داده ها را به طور مداوم دریافت می کند و بر داده های عملیاتی متمرکز شده است که شامل داده هایی در مورد مواردی مانند تراکنش های مالی، امنیت سایبری و زنجیره تامین است. این مناطق دائما در حال تولید داده برای شرکت ها هستند و همچنین دائما در حال تغییر هستند. Girish فکر می کند تمرکز در اینجا به Rockfish کمک می کند تا از سایر رقبا جدا باشد.

گیریش گفت که اکنون این شرکت با تعداد انگشت شماری از مشتریان سازمانی کار می کند، از جمله پلتفرم تحلیل جریانی Conviva، علاوه بر ادارات دولتی از جمله ارتش ایالات متحده و وزارت دفاع ایالات متحده.

Rockfish یک دور تخمینی 4 میلیون دلاری به رهبری Emergent Ventures با مشارکت Foster Ventures، TEN13 و Dallas VC را اعلام می کند. به این ترتیب مجموع بودجه شرکت به حدود 6 میلیون دلار می رسد.

Anupam Rastogi، یکی از شرکای مدیریت Emergent Ventures، به TechCrunch گفت که او مدت ها قبل از تأسیس Rockfish، Sekar را دنبال می کرد. او گفت که آنچه باعث شد شرکت سرمایه‌گذاری کند «تیم، بازار و محصول به ترتیب» بود. به علاوه، تمرکز Rockfish بر روی ساخت و ساز برای شرکت ها، آن را برای Emergent مناسب تر از برخی دیگر از بازیکنان در این فضا کرده است.

راستوگی گفت: «این تیم دانشمندان داده‌ای با کیفیت فوق‌العاده و دارای چندین دکترا هستند. این فضایی است که ما فکر می کنیم از نظر فنی بسیار پیچیده است و داشتن آن قدرت فنی در اطراف میز واقعاً حیاتی است. آنها بسیاری از کارهای اساسی را در فضا، نه فقط در شرکت، بلکه در کل صنعت انجام داده اند.»

در حالی که Rockfish امیدوار است تمرکزش به آن کمک کند تا در بین رقبا جا بیفتد، اما این واقعیت را تغییر نمی‌دهد که داده‌های مصنوعی احتمالاً بازاری شلوغ‌تر خواهد بود. شرکت‌های هوش مصنوعی به سمت داده‌های مصنوعی روی می‌آورند زیرا چندین بازیگر فکر می‌کنند بازار دیگر داده‌های آموزشی هوش مصنوعی را خسته کرده است.

در حال حاضر استارت‌آپ‌های متعددی وجود دارند که به دنبال مقابله با این بازار هستند، از جمله هوش مصنوعی Tonic، که بیش از 45 میلیون دلار سرمایه‌گذاری مخاطره‌آمیز جمع‌آوری کرده است. بیشتر هوش مصنوعی، که 31 میلیون دلار بودجه VC جمع آوری کرده است. و مه آلود، که قبل از خرید توسط SAS در سال 2024، 14.5 میلیون دلار جمع آوری کرد.

Girish گفت که این شرکت به دنبال این است که با ترکیب انواع مدل‌های دیگر مانند مدل‌های فضای حالت، مدل‌های ریاضی که از متغیرهای حالت استفاده می‌کنند، به رویکرد خود به داده‌های مصنوعی اضافه کند. این شرکت همچنین به دنبال بهبود ویژگی های end-to-end خود است.

گیریش گفت: «اینطور نیست که داده‌های تصادفی را برای اینترنت بگیرید و داده‌های مصنوعی تولید کنید. هیچ تضمینی وجود ندارد که آن را به خوبی انجام دهد. اما اگر همه اینها را برای شرکت ها کنار هم بگذارید، در واقع بسیار مرتبط و واقع بینانه است. بنابراین، این کلید این است، و پس از آن اینکه بتوانیم آن را به طور مداوم انجام دهیم، چیزی است که مفید است.»

TechCrunch یک خبرنامه متمرکز بر هوش مصنوعی دارد! برای دریافت آن در صندوق پستی خود هر چهارشنبه اینجا ثبت نام کنید.