Arlequin AI keräsi 28 miljoonaa euroa topologisten neuroverkkojen kehitykseen

Pariisilainen Arlequin AI on kerännyt 28 miljoonan euron A-rahoituskierroksen kehittääkseen omia topologisia neuroverkkoja (TNN) ja laajentaakseen teknologiansa käyttöönottoa Euroopan ulkopuolelle. Yhtiö kohdistaa alustansa tilanteisiin, joissa pelkkä erillisten tietojen läpikäynti ei riitä, vaan päätöksentekijän on ymmärrettävä ihmisten, tapahtumien, paikkojen, maksujen ja muun todistusaineiston välisiä yhteyksiä. 12

Mihin 28 miljoonaa euroa käytetään?

Rahoituskierrosta vetivät redalpine ja OTB Ventures. Mukana oli Bpifrance-pankin Defence Innovation Fund -rahasto, ja aiemmat sijoittajat Vsquared Ventures sekä 10x Founders kasvattivat sijoituksiaan. Myös Xavier Niel osallistui kierrokseen. Arlequinin mukaan rahoitus tulee yksinomaan eurooppalaisilta sijoittajilta, ja sen tarkoitus on nopeuttaa TNN-mallien kehitystä sekä kansainvälistä käyttöönottoa. 1210

Yhtiön lähivuosien painopisteitä ovat:

• omien TNN-mallien kouluttaminen ja kehittäminen;
• mallien kehityksestä ja operoinnista vastaavan tiimin kasvattaminen;
• kaupallisten käyttöönottojen lisääminen Euroopassa ja kansainvälisesti; sekä
• kansainvälisen läsnäolon rakentaminen. Yhtiöllä on toimistot Lontoossa ja Berliinissä, ja se suunnittelee Piilaaksoon tekoälylaboratoriota vuoden 2026 loppuun mennessä. 14

Rahoitusuutisen aikaan Arlequinilla oli noin 50 työntekijää: 35 insinööriä sekä 15 tohtoria, tutkijaa ja data-analyytikkoa. 1

Mitä topologiset neuroverkot tarkoittavat?

Arlequinin alusta on suunniteltu käsittelemään pirstaleista ja keskenään erilaista tietoa, kuten asiakirjoja, maksutapahtumia, videoita ja operatiivista dataa. Yhtiön esittelemän TNN-arkkitehtuurin tarkoitus on oppia sekä yksittäisistä datapisteistä että niitä yhdistävistä rakenteista, myös suhteista, joissa on useita osatekijöitä samanaikaisesti. 1810

Ajatuksena on, ettei tapausta käsitellä vain irrallisina tietueina. Järjestelmän olisi tarkoitus tunnistaa yhdistetystä aineistosta kuvioita esimerkiksi ihmisten, viestinnän, sijaintien ja tapahtumien välillä. Tämä on olennaista silloin, kun juuri suhteet ja verkostot ovat tutkinnan tai operatiivisen päätöksen kannalta merkityksellisiä. 110

Miksi Arlequin tavoittelee muuta kuin perinteistä mallien skaalausta?

Arlequinin mukaan tavanomainen lähestymistapa — enemmän parametreja, dataa ja laskentatehoa — ei välttämättä ole paras ratkaisu suurten, toisiinsa kytkeytyneiden todistusaineistojen analyysiin. Yhtiö väittää TNN-mallien voivan tuoda esiin monimutkaisia, usean elementin välisiä ilmiöitä siten, että johtopäätökset säilyvät jäljitettävissä lähdeaineistoon ja laskentatarve on pienempi. 110

Nämä ovat kuitenkin yhtiön ja sijoittajien esittämiä hyötyväitteitä, eivät riippumattomasti varmennettuja suorituskykymittauksia. Julkisissa aineistoissa kuvataan arkkitehtuuria ja sen tavoiteltuja etuja, mutta niissä ei osoiteta vertailukelpoisesti TNN-mallien paremmuutta suhteessa muihin graafianalytiikan ratkaisuihin, neuroverkkoarkkitehtuureihin tai suuriin kielimalleihin. 11014

Käyttökohteina turvallisuus, tutkinta ja petosten torjunta

Arlequin perustettiin vuonna 2024. Perustajia ovat jihadismia ja geopoliittista epävakautta tutkinut Hugo Micheron sekä data-analyysiin ja ihmiskäyttäytymiseen keskittynyt entinen CNRS:n tutkimusinsinööri Antoine Jardin. Yhtiö rakentaa teknologiaa viranomaisille ja suurille organisaatioille, joiden on tehtävä merkittäviä päätöksiä vajavaisen ja hajallaan olevan tiedon pohjalta. 19

Yhtiön nimeämiä käyttökohteita ovat:

• terrorismin torjunta, turvallisuus ja puolustus;
• rikos- ja oikeudelliset tutkinnat;
• petosten havaitseminen sekä rahanpesun torjunta;
• kyberturvallisuus ja tiedon luotettavuuden suojaaminen; sekä
• tekoälyn turvallisuus ja suojaus. 1

Arlequin nostaa esimerkiksi kyvyn yhdistää ihmisiä, paikkoja, viestintää ja tapahtumia miljoonista takavarikoiduilta laitteilta kerätyistä datapisteistä. Laajempaa kaupallista käyttöä yhtiö hakee organisaatioista, jotka tarvitsevat selitettävää analytiikkaa finanssirikosten, kyberriskien ja monimutkaisen operatiivisen tilannekuvan hallintaan. 1

Missä teknologiaa käytetään jo?

Arlequinin mukaan sen teknologia on käytössä hallituksilla ja suurilla organisaatioilla Länsi- ja Itä-Euroopassa, ja toimintaa on neljässä Euroopan maassa. Yhtiö ei ole julkistanut kaikkia asiakkaita tai käyttöönottoja, joten toteutusten laajuutta ja tuloksia ei voi arvioida riippumattomasti julkaistujen tietojen perusteella. 1

Laajentumissuunnitelmat viittaavat markkinaan, jossa on sekä turvallisuus- ja puolustuskysymyksiä käsitteleviä julkisen sektorin käyttäjiä että yrityksiä, jotka hallitsevat finanssi-, kyber- ja tiedon luotettavuuteen liittyviä riskejä. 113

Eurooppalainen strateginen asema on osa rahoituskierroksen viestiä

Rahoitus antaa Arlequinille mahdollisuuden rakentaa selvästi eurooppalaista asemaa: Euroopassa omistettu ja kehitetty tekoälyarkkitehtuuri arkaluonteiseen, vaativaan analyysiin. Sijoittajajoukko, johon kuuluu myös Bpifrance-pankin puolustusinnovaatiorahasto, korostaa tiedusteluun, turvallisuuteen ja kriittiseen päätöksentekoon tarkoitettujen työkalujen strategista merkitystä. 1210

Seuraava ratkaiseva vaihe on näyttö käytännössä. Arlequinin on osoitettava, että sen omat TNN-mallit tuovat mitattavan edun esimerkiksi tarkkuudessa, jäljitettävyydessä, käyttöönottokustannuksissa tai operatiivisessa hyödyssä verrattuna vakiintuneisiin graafianalytiikan ja tekoälyn ratkaisuihin. Nyt kerätty 28 miljoonaa euroa rahoittaa tätä seuraavaa vaihetta: mallikehitystä, rekrytointeja ja kansainvälistä kaupallistamista. 114