Liikevaihto ennen pääomasijoituksia

Huomionarvoista on, että Poindexter Labsin perustaja Jocelyn D'Arcy – entinen matematiikanopettaja – kasvatti yrityksensä 1,6 miljoonan punnan liikevaihtoon ennen ulkopuolisen riskirahoituksen ottamista . Yrityksen kyky saavuttaa seitsennumeroinen liikevaihto ilman institutionaalista pääomaa viittaa tuotteen ja markkinoiden yhteensopivuuteen, joka on harvinaista siemenvaiheessa, erityisesti tekoälyinfrastruktuurin alalla.

Ongelma: Asiantuntijapäättely on uusi pullonkaula

Kehittyneet mallit eivät enää tarvitse vain lisää dataa, vaan parempaa dataa. Jotta malli oppisi ratkaisemaan monimutkaisen differentiaalilaskennan ongelman, rakentamaan oikeudellisen argumentin tai päättelemään monivaiheisen fysiikan todistuksen, se tarvitsee dataa, joka sisältää aitoja asiantuntijoiden päättelyketjuja, ei vain oikeita loppuvastauksia. Perinteiset annotointialustat soveltuvat tähän tehtävään huonosti, koska ne on suunniteltu suoraviivaisiin, yhden työvaiheen työnkulkuihin, joissa yksi työntekijä antaa yksinkertaisen arvion .

Poindexter Labs väittää, että tämä vanha malli on tekoälyn toimitusketjun heikoin lenkki, ja kutsuu sitä "rikkinäiseksi" putkeksi huipputekoälylle . Yritys keskittyy tuottamaan niin sanottuja "korkealaatuisia harjoitus- ja arviointidatasettejä", jotka sisältävät todistuksia, ajatteluketjuja, monihyppylogiikkaa ja yksityiskohtaisia vaihelokeja STEM-, laki-, lääketieteen, rahoituksen ja insinööritieteiden aloilta .

Syncronus: Vertaisarviointialusta liukuhihnan sijaan

Yrityksen tekninen vastaus on nimeltään Syncronus-alusta, joka korvaa eristetyn annotoijan mallin rakenteellisella, yhteistyöhön perustuvalla vertaisarviointiprosessilla . Sen sijaan, että yksittäinen alihankkija suorittaisi tehtävän yksin, ongelmia luovat ja sitten tarkastavat huolellisesti valikoitu verkosto, johon kuuluu olympiamitalisteja, tohtoreita ja professoreita .

Tyypillinen tehtävä alustalla voi olla esimerkiksi alkuperäisen tietojenkäsittelytieteen ongelman laatiminen, joka vaatii monivaiheisen todistuksen. Ratkaisu tallennetaan täydellisine prosessitodisteineen – karkeine päättelyineen, vaihelokeineen ja LaTeX-muokkauksineen – minkä jälkeen erillinen asiantuntija tarkastaa sen oikeellisuuden ja selkeyden . Tämä luo asiantuntijoiden ajattelusta dokumentoidun jäljen, jota voidaan käyttää suoraan mallien hienosäätöön tai pienempien ja keskisuurten mallien kouluttamiseen .

Poindexter lisensoi Syncronus-alustan yrityksille ja valtionhallinnon toimijoille, jotka haluavat luoda omia kuratoituja asiantuntijadatasettejään. Se tarjoaa myös talon sisäistä datan annotointipalvelua, joka toimittaa valmiita, vertaisarvioituja datasettejä suoraan huipputekoälylaboratorioille .

Mihin rahoitus käytetään

Yritys aikoo käyttää uuden pääoman ensisijaisesti Syncronus-alustan kehityksen nopeuttamiseen ja asiantuntijaverkostonsa laajentamiseen . Kun kysyntä kasvaa tekoälylaboratorioissa, jotka tarvitsevat korkealaatuista päättelydataa sekä koulutukseen että arviointiin, yritys luottaa siihen, että sen malli – joka yhdistää alustateknologian eliittiverkostoon – voi muodostua kriittiseksi infrastruktuurin osaksi seuraavan sukupolven tekoälyjärjestelmille.

Liikevaihto ennen pääomasijoituksia

Huomionarvoista on, että Poindexter Labsin perustaja Jocelyn D'Arcy – entinen matematiikanopettaja – kasvatti yrityksensä 1,6 miljoonan punnan liikevaihtoon ennen ulkopuolisen riskirahoituksen ottamista . Yrityksen kyky saavuttaa seitsennumeroinen liikevaihto ilman institutionaalista pääomaa viittaa tuotteen ja markkinoiden yhteensopivuuteen, joka on harvinaista siemenvaiheessa, erityisesti tekoälyinfrastruktuurin alalla.

Ongelma: Asiantuntijapäättely on uusi pullonkaula

Kehittyneet mallit eivät enää tarvitse vain lisää dataa, vaan parempaa dataa. Jotta malli oppisi ratkaisemaan monimutkaisen differentiaalilaskennan ongelman, rakentamaan oikeudellisen argumentin tai päättelemään monivaiheisen fysiikan todistuksen, se tarvitsee dataa, joka sisältää aitoja asiantuntijoiden päättelyketjuja, ei vain oikeita loppuvastauksia. Perinteiset annotointialustat soveltuvat tähän tehtävään huonosti, koska ne on suunniteltu suoraviivaisiin, yhden työvaiheen työnkulkuihin, joissa yksi työntekijä antaa yksinkertaisen arvion .

Poindexter Labs väittää, että tämä vanha malli on tekoälyn toimitusketjun heikoin lenkki, ja kutsuu sitä "rikkinäiseksi" putkeksi huipputekoälylle . Yritys keskittyy tuottamaan niin sanottuja "korkealaatuisia harjoitus- ja arviointidatasettejä", jotka sisältävät todistuksia, ajatteluketjuja, monihyppylogiikkaa ja yksityiskohtaisia vaihelokeja STEM-, laki-, lääketieteen, rahoituksen ja insinööritieteiden aloilta .

Syncronus: Vertaisarviointialusta liukuhihnan sijaan

Yrityksen tekninen vastaus on nimeltään Syncronus-alusta, joka korvaa eristetyn annotoijan mallin rakenteellisella, yhteistyöhön perustuvalla vertaisarviointiprosessilla . Sen sijaan, että yksittäinen alihankkija suorittaisi tehtävän yksin, ongelmia luovat ja sitten tarkastavat huolellisesti valikoitu verkosto, johon kuuluu olympiamitalisteja, tohtoreita ja professoreita .

Tyypillinen tehtävä alustalla voi olla esimerkiksi alkuperäisen tietojenkäsittelytieteen ongelman laatiminen, joka vaatii monivaiheisen todistuksen. Ratkaisu tallennetaan täydellisine prosessitodisteineen – karkeine päättelyineen, vaihelokeineen ja LaTeX-muokkauksineen – minkä jälkeen erillinen asiantuntija tarkastaa sen oikeellisuuden ja selkeyden . Tämä luo asiantuntijoiden ajattelusta dokumentoidun jäljen, jota voidaan käyttää suoraan mallien hienosäätöön tai pienempien ja keskisuurten mallien kouluttamiseen .

Poindexter lisensoi Syncronus-alustan yrityksille ja valtionhallinnon toimijoille, jotka haluavat luoda omia kuratoituja asiantuntijadatasettejään. Se tarjoaa myös talon sisäistä datan annotointipalvelua, joka toimittaa valmiita, vertaisarvioituja datasettejä suoraan huipputekoälylaboratorioille .

Mihin rahoitus käytetään

Yritys aikoo käyttää uuden pääoman ensisijaisesti Syncronus-alustan kehityksen nopeuttamiseen ja asiantuntijaverkostonsa laajentamiseen . Kun kysyntä kasvaa tekoälylaboratorioissa, jotka tarvitsevat korkealaatuista päättelydataa sekä koulutukseen että arviointiin, yritys luottaa siihen, että sen malli – joka yhdistää alustateknologian eliittiverkostoon – voi muodostua kriittiseksi infrastruktuurin osaksi seuraavan sukupolven tekoälyjärjestelmille.