Arlequin AI raih €28 juta untuk bina rangkaian neural topologi bagi keputusan berisiko tinggi

Arlequin AI, syarikat dari Paris, telah mengumpul €28 juta dalam pusingan pembiayaan Siri A untuk membangunkan rangkaian neural topologi (topological neural networks, TNN), memperluas penggunaan teknologinya di peringkat antarabangsa, serta membesarkan pasukan penyelidikan dan komersialnya. Fokusnya ialah situasi keputusan berisiko tinggi, apabila meneliti fakta secara berasingan tidak mencukupi dan pengguna perlu memahami kaitan antara individu, peristiwa, lokasi, transaksi serta bukti lain. 12

Ke mana €28 juta itu akan digunakan

Pusingan Siri A ini diketuai bersama oleh redalpine dan OTB Ventures. Dana Inovasi Pertahanan Bpifrance turut mengambil bahagian, manakala pelabur sedia ada Vsquared Ventures dan 10x Founders menambah pelaburan mereka. Xavier Niel juga menyertai pusingan itu. Menurut Arlequin, pembiayaan tersebut datang sepenuhnya daripada pelabur Eropah dan akan digunakan untuk mempercepat pembangunan TNN serta pelaksanaan antarabangsa. 1210

Keutamaan segera syarikat ialah:

• melatih dan membangunkan model TNN proprietari;
• memperbesar pasukan yang membangunkan serta mengendalikan model tersebut;
• meluaskan penggunaan komersial di Eropah dan pasaran antarabangsa; dan
• memperkukuh kehadiran global, termasuk pejabat di London dan Berlin serta makmal AI di Silicon Valley yang dirancang dibuka menjelang akhir 2026. 14

Ketika pengumuman pembiayaan dibuat, Arlequin mempunyai kira-kira 50 pekerja, terdiri daripada 35 jurutera serta 15 pemegang PhD, penyelidik dan saintis data. 1

Apa itu rangkaian neural topologi?

Platform Arlequin direka untuk mengendalikan maklumat yang berpecah-pecah dan pelbagai bentuk, termasuk dokumen, transaksi, video serta data operasi. Seni bina TNN yang dicadangkannya bertujuan mempelajari kedua-dua titik data individu dan struktur yang menghubungkannya, termasuk hubungan yang melibatkan beberapa elemen serentak. 1810

Itulah inti pati tawaran Arlequin. Daripada melihat sesuatu kes sebagai himpunan rekod yang tidak berkaitan, sistem ini disasarkan untuk mengenal pasti corak merentas bukti yang saling terhubung — contohnya kaitan antara orang, komunikasi, lokasi dan peristiwa. Pendekatan ini relevan apabila hubungan itu sendiri penting kepada sesuatu siasatan atau keputusan operasi. 110

Mengapa Arlequin memilih seni bina AI lain

Arlequin berhujah bahawa membesarkan model AI konvensional dengan lebih banyak parameter, data dan kuasa pengkomputeran tidak semestinya pendekatan terbaik untuk menganalisis sejumlah besar bukti yang saling berkait. Syarikat itu mendakwa TNN boleh menonjolkan dinamik kompleks yang melibatkan pelbagai elemen, sambil mengekalkan kebolehkesanan kepada bahan sumber dan menggunakan pengkomputeran yang lebih rendah. 110

Namun, kelebihan tersebut perlu dilihat sebagai dakwaan syarikat dan pelabur, bukannya penanda aras yang telah disahkan secara bebas. Bahan awam menerangkan seni bina dan manfaat yang disasarkan, tetapi belum membuktikan prestasi perbandingan berbanding analitik graf, seni bina rangkaian neural lain atau model bahasa besar. 11014

Kegunaan bagi keputusan berisiko tinggi

Arlequin diasaskan pada 2024 oleh Hugo Micheron, penyelidik mengenai jihadisme dan ketidakstabilan geopolitik, bersama Antoine Jardin, bekas jurutera penyelidikan CNRS yang memberi tumpuan kepada sains data dan tingkah laku manusia. Syarikat itu dibina untuk membantu kerajaan dan organisasi besar membuat keputusan penting berasaskan maklumat yang tidak lengkap serta tersebar. 19

Antara aplikasi yang dinyatakan ialah:

• antikeganasan, keselamatan dan pertahanan;
• siasatan jenayah dan kehakiman;
• pengesanan penipuan serta usaha pencegahan pengubahan wang haram;
• keselamatan siber dan integriti maklumat; dan
• keselamatan serta sekuriti AI. 1

Satu contoh yang diberikan oleh syarikat ialah keupayaan menghubungkan individu, lokasi, komunikasi dan peristiwa merentas berjuta-juta titik data yang dikumpulkan daripada peranti dirampas. Potensi pasaran yang lebih luas pula termasuk organisasi yang memerlukan analisis yang boleh dijelaskan bagi jenayah kewangan, risiko siber dan risikan operasi yang kompleks. 1

Di mana teknologi ini sudah digunakan

Arlequin menyatakan teknologinya sudah digunakan oleh kerajaan dan organisasi besar di Eropah Barat serta Eropah Timur, dengan aktiviti di empat negara Eropah. Syarikat itu belum mendedahkan setiap pelanggan atau pelaksanaan secara terbuka; justeru skop dan hasil penggunaan tersebut tidak dapat dinilai secara bebas berdasarkan bahan pengumuman yang tersedia. 1

Rancangan pengembangannya menunjukkan sasaran pasaran yang lebih besar: pengguna sektor awam yang menangani isu keselamatan dan pertahanan, serta perusahaan yang mengurus risiko kewangan, siber dan integriti yang rumit. 113

Pertaruhan AI Eropah

Pusingan pembiayaan ini memberi Arlequin sumber untuk mengejar kedudukan yang jelas berteraskan Eropah: seni bina AI yang dimiliki dan dibangunkan di Eropah untuk analisis sensitif serta berimpak tinggi. Kumpulan pelabur, termasuk Dana Inovasi Pertahanan Bpifrance, turut mencerminkan kepentingan strategik alat untuk risikan, keselamatan dan pembuatan keputusan kritikal. 1210

Ujian utama selepas ini ialah pelaksanaan. Arlequin perlu membuktikan bahawa TNN proprietarinya memberi kelebihan yang boleh diukur — sama ada dari segi ketepatan, kebolehkesanan, kos pelaksanaan atau kegunaan operasi — berbanding pendekatan analitik graf dan AI yang telah mantap. Dana €28 juta itu membiayai fasa seterusnya bagi pembangunan model, pengambilan bakat dan pengkomersialan antarabangsa. 114