Künstliche Intelligenz verspricht, Menschen zu helfen und sie vielleicht sogar zu ersetzen, um alltägliche Aufgaben zu erledigen und Probleme zu lösen, die Menschen nicht bewältigen konnten, doch ironischerweise steht der Aufbau dieser KI vor einem großen Skalierungsproblem. Es ist nur so gut wie die Modelle und Daten, mit denen es trainiert wird, daher müssen immer größere Datenbestände beschafft und aufgenommen werden. Aber das Kommentieren und Bearbeiten dieser Trainingsdaten kostet viel Zeit und Geld, verlangsamt die Arbeit oder die Gesamteffektivität und vielleicht beides.
Ein Startup hat angerufen V7-Labs glaubt, dass es einen Durchbruch in der Art und Weise hatte, wie dies angegangen wird. Es sind effektiv erstellte Trainingsmodelle, um das Training dieser Modelle zu automatisieren. Heute kündigt das Unternehmen eine Finanzierung in Höhe von 33 Millionen US-Dollar an, um sein Wachstum voranzutreiben, nachdem es eine große Nachfrage nach seinen Dienstleistungen festgestellt hat.
Der Fokus von V7 liegt heute auf Computer Vision und der Unterstützung bei der Identifizierung von Objekten. Es sagt, dass es aus nur 100 von Menschen kommentierten Beispielen lernen kann, was zu tun ist.
Es hat derzeit eine starke Zugkraft in den Bereichen Medizin und Wissenschaft, wo seine Plattform verwendet wird, um KI-Modelle zu trainieren, um beispielsweise die Erkennung von Krebs und anderen Problemen bei Scans zu beschleunigen. V7 beginnt auch, Aktivitäten mit Technologie- und technisch versierten Unternehmen zu sehen, die prüfen, wie sie ihre Technologie in einer Vielzahl anderer Anwendungen anwenden können, einschließlich Unternehmen, die Engines bauen, um Bilder aus natürlichen Sprachbefehlen und industriellen Anwendungen zu erstellen. Es wird keine vollständige Liste der Kunden und derjenigen veröffentlicht, die seine Technologie bewerten, aber die Liste umfasst über 300 Kunden und umfasst neben anderen Fortune-500-Unternehmen und größeren Unternehmen in Privatbesitz GE Healthcare, Paige AI und Siemens.
Radical Ventures und Temasek führen diese Runde gemeinsam an, wobei Air Street Capital, Amadeus Capital Partners und Partech (drei frühere Unterstützer) ebenfalls teilnehmen, zusammen mit einer Reihe von Personen, die in der Welt des maschinellen Lernens und der KI bekannt sind. Dazu gehören Francois Chollet (der Schöpfer von Keras, der Open-Source-Bibliothek für neuronale Python-Netzwerke), Oriol Vinyals (ein leitender Forschungswissenschaftler bei DeepMind), Jose Valim (Schöpfer der Programmiersprache Elixir), Ashish Vaswani (ein Mitbegründer von Adept AI, der zuvor bei Google Brain war, wo er Transformers erfand) und namenlose andere von OpenAI, Twitter und Amazon.
CEO Alberto Rizzoli sagte in einem Interview, dass dies die bisher größte Finanzierungsrunde der Serie A in dieser Kategorie sei und sowohl dazu genutzt werde, mehr Ingenieure einzustellen als auch den Geschäftsbetrieb auszubauen, um eine neue Welle des Kundeninteresses anzunehmen mit Schwerpunkt auf den USA lehnte er es ab, sich zur Bewertung zu äußern, aber das Startup hat jetzt rund 36 Millionen US-Dollar gesammelt, und soweit ich weiß, liegt die Bewertung jetzt bei rund 200 Millionen US-Dollar.
Rizzoli lehnte es auch ab, über Umsatzzahlen zu sprechen, sagte aber, dass die ARR im Jahr 2022 um das Dreifache gewachsen sei
Es gab eine Reihe anderer Startups, die entstanden sind, um die Effizienz des Trainings von KI-Daten zu verbessern und sich mit dem breiteren Bereich der KI-Modellierung zu befassen. SuperAnmerkungdie etwa 18 Millionen US-Dollar pro gesammelt hat PitchBook, ist einer der engeren Konkurrenten von V7. (V7 sogar legt wie die beiden Dienste verglichen werden.) Andere umfassen KI skalierendas sich ursprünglich auf den Automobilsektor konzentrierte, sich aber inzwischen auf eine Reihe anderer Bereiche ausgeweitet hat und jetzt einen Wert von rund 7 Milliarden US-Dollar hat; Labelbox, das mit Unternehmen wie Google und anderen an der KI-Kennzeichnung arbeitet; und Bienenstockdie jetzt auf rund 2 Milliarden US-Dollar geschätzt wird.
V7 – benannt in Anspielung darauf, dass KI der „siebte“ Bereich für die Verarbeitung von Bildern nach den sechs Bereichen im menschlichen Gehirn ist, die seinen visuellen Kortex (V1 bis V6) bilden – und die anderen setzen auf die Tatsache, dass das Trainingsmodell ineffizient ist und Kann verbessert werden.
Der spezifische USP von V7 ist die Automatisierung. Es schätzt, dass etwa 80 % der Zeit eines Ingenieurteams für die Verwaltung dieser Trainingsdaten aufgewendet werden: Etikettierung, Erkennung falscher Etikettierungen, Überdenken von Kategorisierungen usw. Daher hat es ein Modell zur Automatisierung dieses Prozesses entwickelt.
Rizzoli (der das Unternehmen zusammen mit seinem CTO Simon Edwardsson gegründet hat) nennt den Prozess, den es entwickelt hat, „programmatisches Labelling“: Mithilfe von Allzweck-KI und eigenen Algorithmen zum Segmentieren und Labeln von Bildern seien dafür nur 100 „Menschen“ erforderlich -angeleitete“ Beispiele für die automatisierte Etikettierung, um in Aktion zu treten.
Investoren setzen darauf, dass die Verkürzung der Zeit zwischen der Entwicklung und Anwendung von KI-Modellen mehr Geschäfte für das Unternehmen ankurbeln wird. „Computer Vision wird branchenübergreifend in großem Maßstab eingesetzt und liefert Innovationen und Durchbrüche sowie einen schnell wachsenden 50-Milliarden-Dollar-Markt. Unsere These für V7 ist, dass die Breite der Anwendungen und die Geschwindigkeit, mit der neue Produkte auf den Markt gebracht werden sollen, eine zentralisierte Plattform erfordern, die KI-Modelle, Code und Menschen in einem Ökosystem mit Schleifen verbindet“, sagte Pierre Socha , ein Partner bei Amadeus Capital Partners, in einer Erklärung.
V7 beschreibt den Prozess als „Autopilot“, aber Co-Pilot könnte genauer sein: Die Idee ist, dass alles, was als unklar gekennzeichnet ist, an Menschen zurückgeleitet wird, um sie zu bewerten und zu überprüfen. Es ersetzt diese Menschen nicht so sehr, sondern erleichtert es ihnen, Arbeitslasten effizienter zu bewältigen. (Es kann manchmal auch besser funktionieren als die Menschen, daher könnten die beiden zusammen verwendeten hilfreich sein, um die Arbeit des anderen zu überprüfen.) Unten ist ein Beispiel dafür, wie das Bildtraining an einem Mittagsscan arbeitet, um eine Lungenentzündung zu erkennen.
Bildnachweis: v7 Labore
In Anbetracht der vielen Bereiche, in denen KI eingesetzt wird, um die Verarbeitung und Nutzung von Bildern zu verbessern, sagte Rizzoli, dass die Entscheidung, sich auf den Bereich der Medizin zu verdoppeln, zunächst teilweise darin bestand, das Start-up auf dem Boden zu halten und sich auf einen Markt zu konzentrieren, der es könnte not hat diese Art von Technologie noch nie im eigenen Haus gebaut, würde sie aber auf jeden Fall einsetzen wollen.
„Wir haben uns entschieden, uns auf Branchen zu konzentrieren, die bereits KI-basierte Anwendungen kommerzialisieren oder wo viel Arbeit an der visuellen Verarbeitung geleistet wird, aber von Menschen“, sagte er. „Wir wollten nicht an Moonshots oder Projekte gebunden sein, die mit großen F&E-Budgets betrieben werden, denn das bedeutet, dass jemand das Problem selbst vollständig lösen möchte, und er etwas Spezialisierteres tut, und er möchte vielleicht sein eigenes haben eigene Technologie, nicht die eines Drittanbieters wie uns.“
Und neben der Suche der Unternehmen nach „ihrer eigenen geheimen Sauce“ könnten Projekte manchmal außerhalb des Labors nie das Licht der Welt erblicken, fügte Rizzoli hinzu. „Wir arbeiten stattdessen an konkreten Anwendungen“, sagte er.
Bildnachweis: V7-Labs (öffnet in einem neuen Fenster)
In anderer Hinsicht stellt das Startup eine Veränderung dar, die wir bei der Beschaffung und Übernahme von Informationen in Unternehmen beobachten. Investoren glauben, dass das Framework, das V7 aufbaut, die Art und Weise, wie Daten von diesen Unternehmen in Zukunft aufgenommen werden, möglicherweise verändern könnte.
„V7 ist gut positioniert, um zum Industriestandard für die Verwaltung von Daten in modernen KI-Workflows zu werden“, sagte Parasvil Patel, ein Partner von Radical Ventures, in einer Erklärung. Paten tritt mit dieser Runde dem Vorstand von V7 bei.
„Die Zahl der Probleme, die jetzt mit KI gelöst werden können, ist riesig und wächst schnell. Da Unternehmen jeder Größe darum kämpfen, diese Chancen zu nutzen, benötigen sie eine erstklassige Daten- und Modellinfrastruktur, um herausragende Produkte zu liefern, die sich kontinuierlich verbessern und an reale Anforderungen anpassen“, fügte Nathan Benaich von Air Street Capital in einer Erklärung hinzu. „Hier glänzt die AI Data Engine von V7. Unabhängig von der Branche oder Anwendung verlassen sich Kunden auf V7, um robuste AI-First-Produkte schneller als je zuvor zu liefern. V7 verpackt die sich schnell entwickelnden Best Practices der Branche in Multiplayer-Workflows von Daten über Modelle bis hin zum Produkt.“