פוינדקסטר לאבס: הסטארטאפ שרוצה לתקן את צינור נתוני האימון השבור של הבינה המלאכותית

פלטפורמות תיוג מסורתיות אינן מתאימות למשימה זו, מכיוון שהן תוכננו לזרימות עבודה ליניאריות, במעבר אחד, בהן עובד בודד מספק שיפוט פשוט. פוינדקסטר לאבס טוענת שמודל העבודה המיושן הזה הוא החוליה החלשה בשרשרת האספקה של ה-AI, ומכנה אותו צינור "שבור" . החברה מתמקדת ביצירת מה שהיא מכנה "מערכי נתוני אימון והערכה בנאמנות גבוהה", הכוללים הוכחות, עקבות של שרשראות חשיבה (chain-of-thought), לוגיקה מרובת דילוגים (multi-hop logic), ויומני צעדים מפורטים בתחומי ה-STEM, משפטים, רפואה, פיננסים והנדסה .

Syncronus: פלטפורמת ביקורת עמיתים במקום מסוע תיוג

הפתרון הטכני של החברה הוא פלטפורמה בשם Syncronus, המחליפה את מודל האנוטייטור (annotator) הבודד בתהליך מובנה של ביקורת עמיתים שיתופית . במקום שקבלן בודד ישלים משימה בבידוד, בעיות נוצרות ולאחר מכן עוברות ביקורת על ידי רשת מבוקרת של זוכי אולימפיאדות, דוקטורים ופרופסורים .

משימה אופיינית על הפלטפורמה עשויה לכלול ניסוח של בעיית מדעי המחשב מקורית שדורשת הוכחה רב-שלבית. הפתרון מתועד במלואו עם עדויות תהליך – בחני חשיבה (scratch reasoning), יומני צעדים, וקובצי LaTeX דיפרנציאליים – ולאחר מכן נבחן על ידי מומחה נפרד לצורך בדיקת נכונות ובהירות . כך נוצר תיעוד של קוגניציה מומחית שיכול לשמש ישירות ליצירת ערכות כוונון-הוראות (instruction-tuning sets) ותוכניות לימוד לחשיבה, או לביצוע כוונונים עדינים (fine-tunes) בקנה מידה קטן עד בינוני של מודלים .

פוינדקסטר לאבס מעניקה רישיון שימוש בפלטפורמת Syncronus לארגונים וגופים ממשלתיים המעוניינים ליצור מערכי נתונים מומחים אוצרים בעצמם. כמו כן, היא מפעילה שירות תיוג נתונים פנימי שמייצר ומספק מערכי נתונים מוגמרים, שעברו ביקורת עמיתים, ישירות למעבדות AI מהשורה הראשונה .

לאן יופנה המימון

החברה מתכננת להשתמש בהון החדש בעיקר כדי להאיץ את פיתוח פלטפורמת Syncronus ולהרחיב את רשת התורמים שלה . לנוכח הביקוש הגובר מצד מעבדות AI שזקוקות לנתוני חשיבה באיכות גבוהה, הן לאימון והן להערכה, החברה מהמרת שהמודל שלה – שילוב של טכנולוגיית פלטפורמה עם רשת אנושית מובחרת – יוכל להפוך לתשתית קריטית עבור הדור הבא של מערכות בינה מלאכותית.