مع تزايد الطلب على تكنولوجيا الذكاء الاصطناعي، تبرز مجموعة جديدة من الأدوات التي تهدف إلى تعزيز تطويرها ونشرها. أعلنت شركة RagaAI، الناشئة في كاليفورنيا والمتخصصة في اختبار وتصحيح أنظمة الذكاء الاصطناعي، مؤخراً عن إطلاقها بعد جولة تمويل أولي ناجحة بقيمة 4.7 مليون دولار بقيادة pi Ventures، بمشاركة Anorak Ventures وTenOneTen Ventures وArka Ventures وMana Ventures وExfinity Venture Partners.
تأسست RagaAI على يد غورا أف أجاروال، المدير التنفيذي السابق في Nvidia، وتخطط لاستخدام هذا التمويل في تعزيز الأبحاث وتطوير منصتها للاختبار الآلي، بهدف خلق إطار عمل قوي لضمان أمان وموثوقية الذكاء الاصطناعي.
قال أغاروال: "مدفوعين بقيمنا الأساسية، نحن ملتزمون بتوسيع آفاق الاكتشاف الآلي لمشكلات الذكاء الاصطناعي وتحليل الأسباب الجذرية وحل المشكلات، مع البقاء في طليعة المنهجيات المبتكرة". حاليًا، تخدم RagaAI شركات ضمن قائمة Fortune 500، مع معالجة تحديات رئيسية مثل التحيز والدقة والهلوسة عبر تطبيقات متعددة.
إن بناء ونشر الذكاء الاصطناعي بشكل فعّال يعتبر مهمة معقدة. يجب على الفرق جمع البيانات، وتدريب النماذج، ومراقبة الأداء لضمان النتائج المتوقعة، حيث يمكن لأي خطأ أن يؤدي إلى فشل مكلف وفرص ضائعة. وقد أدرك أغاروال هذا التحدي خلال فترة عمله في Nvidia ومع شركة Ola الهندية، مما دفعه لتطوير منصة آلية لاكتشاف وتشخيص وحل مشكلات الذكاء الاصطناعي.
بخلاف الحلول التقليدية التي تفحص عددًا محدودًا من المشكلات، تقوم RagaAI بإجراء ما يصل إلى 300 اختبار، لتحديد المخاطر المحتملة المتعلقة بالبيانات والنماذج والعمليات. عند اكتشاف مشكلة، تساعد المنصة المستخدمين في تحديد السبب الجذري، سواء كانت بيانات تدريب متحيزة أو وسوم ضعيفة أو انزلاق بيانات أو عوامل أخرى. وتقدم بعد ذلك توصيات قابلة للتنفيذ، مثل إزالة نقاط بيانات موسومة بشكل خاطئ أو اقتراح إعادة التدريب لمعالجة الت inconsistencies البيانات.
تعتبر النماذج الأساسية RagaDNA ركيزة رئيسية في تكنولوجيا RagaAI، حيث تنشئ تمثيلات بيانات ذات جودة عالية — تمثيلات مضغوطة وذات دلالة للمعلومات. هذه التمثيلات أساسية لاكتشاف وتشخيص ومعالجة المشكلات على المنصة.
يشرح جيجار غوبتا، رئيس منتج RagaAI: "تمثل RagaDNA نماذج أساسية محددة أفقياً، مدربة خصيصًا للاختبار. وهذا يمكّن RagaAI من تعزيز سير العمل الخاص بالاختبارات تلقائيًا من خلال تحديد نطاق التصميم التشغيلي (ODD)، وتحديد حالات الطرفية التي تؤدي فيها النماذج بأداء ضعيف، وربط النتائج بالبيانات التدريبية غير الكافية أو ذات الجودة المنخفضة."
على الرغم من إطلاقها العام مؤخرًا، فإن RagaAI تُحدث تأثيرًا كبيرًا، حيث تستخدم العديد من الشركات ضمن قائمة Fortune 500 تكنولوجيتها. على سبيل المثال، تمكنت إحدى شركات التجارة الإلكترونية من معالجة الهلوسات في دردشتها الآلية، في حين حسنت عميل في صناعة السيارات دقة الكشف عن المركبات في ظروف الإضاءة المنخفضة.
تعتقد RagaAI أن منصتها يمكن أن تقلل من 90% من المخاطر في تطوير الذكاء الاصطناعي، مع تسريع جداول الإنتاج بأكثر من ثلاثة أضعاف. مع التمويل الجديد، تهدف الشركة إلى تعزيز جهود البحث والتطوير، وتحسين قدرات الاختبار، وتوسيع قاعدتها العمالية، وتعزيز تطوير الذكاء الاصطناعي الآمن والشفاف.
من المهم أن ندرك أن RagaAI ليست وحدها في هذا المسعى. هناك عدد متزايد من الشركات، مثل Arize مع مكتبتها المصدر المفتوح Phoenix، وContext AI، وBraintrust Data، تعمل أيضًا على تبسيط نشر الذكاء الاصطناعي. بالإضافة إلى ذلك، تستكشف مزودات المراقبة مثل Acceldata حلول مراقبة الذكاء الاصطناعي التوليدي لدعم النشر.
مع توقع أن يصل سوق الذكاء الاصطناعي إلى 2 تريليون دولار بحلول عام 2030، يُتوقع تخصيص جزء كبير—تقديرًا بحوالي 25%—نحو أدوات تضمن أمان وموثوقية أنظمة الذكاء الاصطناعي.
قائمة الترتيب
