Datacurve piesaista 15 miljonus dolāru, lai uzņemtu Scaleai

Tā kā AI uzņēmumi nobriest, cīņa par augstas kvalitātes datiem ir kļuvusi par vienu no viskonkurētspējīgākajām jomām nozarē, uzsākot tādus uzņēmumus kā Mercor, Surge un, visredzamāk, Aleksanda Vanga Scaleai. Wager tagad, kad Vangs ir pārcēlies vadīt AI pie Meta, daudzi finansētāji redz atvēršanu – un ir gatavi finansēt uzņēmumus ar jaunām apmācības datu vākšanas stratēģijām.

Y kombinatora absolvents Dataacurve ir viens no šādiem uzņēmumiem, kas koncentrējas uz augstas kvalitātes datiem programmatūras izstrādei. Ceturtdien uzņēmums paziņoja par 15 miljonu ASV dolāru sērijas kārtu, kuru ķīmijā vadīja Marks Goldbergs ar Deepmind, Vercel, Anthropic un Openai darbinieku dalību. A sērija nāk pēc 2,7 miljonu ASV dolāru sēklu kārtas, kas deva ieguldījumus no bijušā Coinbase CTO Balaji Srinivasan.

Datacurve izmanto “Bounty Hunter” sistēmu, lai piesaistītu kvalificētus programmatūras inženierus, lai pabeigtu visgrūtākās datu kopas. Uzņēmums maksā par šīm iemaksām, līdz šim izplatot vairāk nekā USD 1 miljonu.

Wager līdzdibinātāja Serēna Ge (attēlā iepriekš ar līdzdibinātāju Čārliju Lī) saka, ka lielākā motivācija nav finansiāla. Augstas vērtības pakalpojumiem, piemēram, programmatūras izstrādei, atalgojums datu darbā vienmēr būs daudz zemāks nekā parastā nodarbinātība-tāpēc uzņēmuma vissvarīgākā mala ir pozitīva lietotāja pieredze.

“Mēs to izturamies kā pret patēriņa produktu, nevis par datu marķēšanas operāciju,” sacīja GE. “Mēs pavadām daudz laika, domājot par: kā mēs to varam optimizēt, lai cilvēki, kurus vēlamies, būtu ieinteresēti un iekļūtu mūsu platformā?”

Tas ir īpaši svarīgi, jo pēc apmācības datu vajadzības kļūst sarežģītākas. Kamēr iepriekšējie modeļi tika apmācīti vienkāršās datu kopās, mūsdienu AI produkti paļaujas uz sarežģītām RL vidēm, kuras jāveido, izmantojot īpašas un stratēģiskas datu vākšanu. Tā kā vide kļūst sarežģītāka, datu prasības kļūst gan intensīvākas gan kvantitātei, gan kvalitātei-faktors, kas varētu dot augstas kvalitātes datu vākšanas uzņēmumus, piemēram, Datacurve malu.

Kā agrīnās stadijas uzņēmums Datacurve ir vērsts uz programmatūras inženieriju, taču GE saka, ka modelis tikpat viegli varētu piemērot tādām jomām kā finanses, mārketings vai pat zāles.

“Tas, ko mēs darām šobrīd, ir tas, ka mēs izveidojam infrastruktūru pēc apmācības datu vākšanas, kas piesaista un saglabā ļoti kompetentus cilvēkus savās jomās,” saka GE.