Reka kommer fra stealth for å bygge tilpassede AI-modeller for bedriften
Store språkmodeller (LLMer) som OpenAIs GPT-4 er i raseri i disse dager, på grunn av deres enestående evne til å analysere og generere tekst. Men for organisasjoner som ønsker å utnytte LLM-er for spesifikke oppgaver – for eksempel å skrive annonsetekst i en merkevares stil – kan deres generalistiske natur bli et ansvar.
Når instruksjonene blir for presise, sliter selv de beste LLM-ene med konsistens. Finjustering, eller innsnevring av en LLMs omfang, er én løsning. Men det er ofte utfordrende fra et teknisk synspunkt, for ikke å snakke om kostbart.
Motivert til å finne en enklere måte, grunnla et team av forskere fra DeepMind, Google, Baidu og Meta Reka, som dukket opp fra stealth i dag med $58 millioner. DST Global Partners og Radical Ventures ledet transjen med deltagelse fra strategisk partner Snowflake Ventures, sammen med en gruppe engleinvestorer som inkluderte tidligere GitHub-sjef Nat Friedman.
San Francisco-baserte Reka er ideen til Dani Yogatama, Cyprien de Masson d’Autume, Qi Liu Head og Yi Tay. Mens de jobbet med AI-systemer, inkludert DeepMinds AlphaCode og Bard, sier de fire medgründerne at de innså at det var upraktisk å forvente at en stor LLM ble distribuert for alle mulige brukstilfeller.
“Vi forstår den transformative kraften til AI og ønsker å bringe fordelene med denne teknologien til verden på en ansvarlig måte,” sa Yogatama til TechCrunch i et e-postintervju. “Reka er et forsknings- og produktselskap som utvikler modeller til fordel for menneskeheten, organisasjoner og bedrifter.”
Rekas første kommersielle produkt, Yasa, oppfyller ikke helt de høye ambisjonene. Men det eksemplifiserer oppstartens tidlige tilnærming. Utover tekst, er Yasa en multimodal AI-“assistent” som er opplært til å forstå bilder, videoer og tabelldata i tillegg til ord og setninger. Den kan brukes til å generere ideer og svare på grunnleggende spørsmål, sier Yogatama, samt hente innsikt fra et selskaps interne data.
På denne måten er Yasa, som er i lukket beta, ikke ulik modeller som GPT-4, som også kan forstå tekst og bilder. Men vrien er at Yasa enkelt kan tilpasses til proprietære data og applikasjoner.
“Teknologien vår lar bedrifter dra nytte av fremgang i LLM-er på en måte som tilfredsstiller deres distribusjonsbegrensninger uten å kreve et team med interne eksperter innen AI-ingeniører,” sa Yogatama.
Yasa er bare starten. Deretter planlegger Reka å rette oppmerksomheten mot AI som kan akseptere og generere enda flere typer data og kontinuerlig forbedre seg selv, og holde seg oppdatert uten behov for omskolering.
For dette formål, kun tilgjengelig for utvalgte kunder foreløpig, tilbyr Reka også en tjeneste for å tilpasse LLM-er den utviklet til tilpassede eller proprietære selskapsdatasett. Kunder kan kjøre de «destillerte» modellene på sin egen infrastruktur eller via Rekas API, avhengig av applikasjons- og prosjektbegrensninger.
Reka, det skal bemerkes, er ikke den eneste oppstarten som jager etter modeller som er bedre egnet for bedriftsbruk. Writer lar kundene finjustere LLM-er på deres eget innhold og stilguider. Contextual AI og LlamaIndex, som nylig dukket opp fra stealth, utvikler verktøy for å tillate selskaper å legge til sine egne data til eksisterende LLM-er. Og Cohere trener LLM-er til kundenes spesifikasjoner.
For ikke å overgå, tilbyr etablerte selskaper som OpenAI nå verktøy for å finjustere modeller og koble dem til internett og andre kilder for å sikre at de forblir oppdatert.
Men Rekas salgsargument vant over en tidlig kunde (og investor), Snowflake, som gikk sammen med oppstarten for å la Snowflake-kunder distribuere Yasa fra kontoene sine. Appen, det store dataanalyseselskapet, kunngjorde også nylig at det samarbeider med Reka for å bygge skreddersydde multimodale modelldrevne apper for bedriften.
Rob Toews, en partner i Radical Ventures, hadde dette å si da vi spurte hvorfor han investerte i Reka:
Det som gjør Reka unik er hvordan den tilbyr enhver bedrift kraften og potensialet til en LLM uten å måtte tåle mange avveininger. Rekas destillerte Yasa-modeller holder dataene i bedriften, de er utrolig effektive når det gjelder kostnader og energi, og de krever ikke kostbare forskerteam som bygger modeller fra bunnen av. Hvis hver virksomhet skal bli en “AI”-virksomhet, er Rekas ambisjon å gi hver av disse virksomhetene sin egen grunnlagsmodell av produksjonskvalitet.
Yogatama sier at Reka, som for øyeblikket ikke genererer inntekter, vil bruke finansieringen sin til dags dato til å skaffe seg datakraft fra Nvidia og bygge et forretningsteam.