สตาร์ตอัป TypeSafe AI ซึ่งตั้งเป้าใช้ความน่าจะเป็นแทนการสร้างข้อความหรือโค้ดเมื่อพัฒนาโมเดล AI เพื่อนำไปใช้ทำงานอัตโนมัติ ระดมทุนได้ 870 ล้านดอลลาร์ ในรอบการลงทุนนี้ บริษัทได้รับการประเมิน มูลค่ากิจการที่ 7.5 พันล้านดอลลาร์ การลงทุนดังกล่าวนำโดย Andreessen Horowitz โดยมี Sequoia และ DCVC ซึ่งเป็นผู้ลงทุนเดิมเข้าร่วมด้วย

ภูมิหลังและบริบท

โมเดล Jev ของ TypeSafe AI ได้รับความนิยมอย่างรวดเร็วภายในไม่กี่สัปดาห์หลังเปิดตัวเมื่อวันที่ 15 กันยายน บริษัทอ้างว่าบริษัทใน Fortune 500 จำนวนหนึ่งในสามใช้ Jev แล้ว นี่เป็นคำอธิบายของบริษัทเกี่ยวกับขนาดการนำไปใช้ในองค์กรที่กล่าวถึงในบทความ แต่ไม่ได้ระบุว่าการใช้งานแบบใดจึงนับเป็น “การนำไปใช้”

Jev ใช้สถาปัตยกรรมทรานส์ฟอร์เมอร์ (โครงสร้างโมเดล AI ที่ประมวลผลข้อมูลนำเข้า) แต่ไม่ใช่โมเดลภาษาขนาดใหญ่ (LLM—โมเดลที่เรียนรู้จากข้อมูลภาษาจำนวนมากและใช้จัดการข้อความเป็นหลัก) Jev ให้ผลลัพธ์เป็นความน่าจะเป็นแทนข้อความ และ TypeSafe AI เรียกสิ่งนี้ว่า “การตัดสินใจที่ผ่านการปรับเทียบ (calibrated decisions)” บริษัทอ้างว่า Jev ทำงานได้เร็วกกว่า LLM มาก และใช้โทเคน (หน่วยข้อความที่โมเดลประมวลผล) น้อยกว่ามาก

ความแตกต่างนี้เชื่อมโยงกับวัตถุประสงค์การใช้งานที่ TypeSafe AI นำเสนอ บริษัทอธิบายว่า Jev เป็นแนวทางที่เหมาะกับการทำงานอัตโนมัติมากกว่าการสร้างข้อความหรือโค้ด ดิเอโก อัลเมย์ดา ผู้ร่วมก่อตั้ง กล่าวกับ TechCrunch ว่าการเชี่ยวชาญภาษามนุษย์ไม่ได้เป็นประโยชน์ต่อระบบอัตโนมัติ เพราะคอมพิวเตอร์ใช้ภาษาที่แตกต่างจากมนุษย์

TypeSafe AI ก่อตั้งร่วมกันในปี 2024 โดยซาชา เซิง อดีตวิศวกรวิจัยของ Meta และเอริก แกฟนีย์ วิศวกรและผู้ประกอบการ อัลเมย์ดาได้รับการระบุว่าเป็นผู้ร่วมก่อตั้งด้วย และก่อนหน้านี้เคยทำงานเป็นนักวิจัยที่ OpenAI ทิศทางของ Jev ที่เน้นระบบอัตโนมัติสำหรับงานในองค์กรแทนการสร้างข้อความ เป็นปัจจัยเบื้องหลังที่ทำให้ทั้งการระดมทุนก้อนใหญ่ของบริษัทและคำกล่าวอ้างเรื่องการนำไปใช้ในองค์กรได้รับความสนใจ

ข่าวนี้มีความหมายอย่างไร

ข่าวนี้ชี้ให้เห็นว่า เมื่อประเมิน AI สำหรับองค์กร ปัจจัยสำคัญไม่ได้มีเพียงความเป็นธรรมชาติในการสร้างข้อความเท่านั้น แต่ยังรวมถึงรูปแบบผลลัพธ์ที่เหมาะกับการทำงานเฉพาะอย่างด้วย อย่างไรก็ตาม การลงทุนและการประเมินมูลค่ากิจการไม่ใช่สิ่งเดียวกับผลการพิสูจน์ประสิทธิภาพของโมเดลโดยอิสระ

ตัวอย่างเช่น หากบริษัทกำลังพิจารณาระบบอัตโนมัติที่อ่านเนื้อหาในเอกสารแล้วจัดประเภทงานตามหมวดหมู่ที่กำหนด ก็อาจพิจารณาว่าจำเป็นต้องสร้างประโยคหรือไม่ และผลลัพธ์ในรูปความน่าจะเป็นเหมาะกับงานจริงหรือไม่ นี่เป็นตัวอย่างสมมติตามเงื่อนไข และบทความไม่ได้ระบุว่า Jev มีผลลัพธ์อย่างไรในงานเฉพาะด้านใด

การที่โมเดลทำงานได้เร็วและใช้โทเคนน้อย รวมถึงคำกล่าวว่าบริษัทใน Fortune 500 จำนวนหนึ่งในสามใช้งาน เป็นข้อกล่าวอ้างที่บริษัทนำเสนอ บทความไม่มีผลการตรวจสอบประสิทธิภาพโดยอิสระหรือเกณฑ์การใช้งานที่เป็นรูปธรรมมาสนับสนุน

ข้อเท็จจริงที่ยืนยันแล้วและสิ่งที่ยังไม่ทราบ

ข้อเท็จจริงที่ยืนยันแล้ว

  • TypeSafe AI พัฒนา Jev ระดมทุนได้ 870 ล้านดอลลาร์ และได้รับการประเมินมูลค่ากิจการที่ 7.5 พันล้านดอลลาร์
  • รอบการลงทุนนี้นำโดย Andreessen Horowitz โดยมี Sequoia และ DCVC ซึ่งเป็นผู้ลงทุนเดิมเข้าร่วม
  • Jev ใช้พื้นฐานทรานส์ฟอร์เมอร์ แต่ไม่ใช่ LLM และให้ผลลัพธ์เป็นความน่าจะเป็นแทนข้อความ
  • TypeSafe AI อธิบายว่า Jev เป็นโมเดลที่เหมาะกับการทำงานอัตโนมัติมากกว่าการสร้างข้อความหรือโค้ด

สิ่งที่ยังไม่ทราบ

  • บทความไม่ได้ระบุว่าบริษัทวางแผนจะนำเงิน 870 ล้านดอลลาร์ที่ระดมได้ไปใช้เพื่อวัตถุประสงค์ใด
  • ยังไม่สามารถยืนยันได้ว่ามีผลการตรวจสอบประสิทธิภาพโดยอิสระที่สนับสนุนคำกล่าวอ้างของบริษัทเกี่ยวกับความเร็วและการใช้โทเคนของ Jev หรือไม่
  • ไม่ทราบว่าคำกล่าวอ้างที่ว่าบริษัทใน Fortune 500 จำนวนหนึ่งในสามใช้งานนั้นใช้เกณฑ์การใช้งานและนับจำนวนบริษัทอย่างไร

สิ่งที่ผู้อ่านควรตรวจสอบ

  • หากกำลังพิจารณานำ Jev มาใช้ ควรแยกให้ชัดก่อนว่างานนั้นจำเป็นต้องสร้างข้อความหรือเหมาะกับระบบอัตโนมัติที่ใช้ความน่าจะเป็น
  • เมื่อตรวจสอบคำกล่าวอ้างของบริษัทเรื่องความเร็วและการใช้โทเคน ควรตรวจสอบสิ่งที่นำมาเปรียบเทียบ เงื่อนไขการวัดผล และการตรวจสอบโดยอิสระ
  • เมื่อตัดสินกรณีการนำไปใช้ในองค์กร สิ่งสำคัญคือการตรวจสอบนิยามของคำว่า “ใช้งาน” และขอบเขตงานจริงที่โมเดลรับผิดชอบ