پرولیفیک 32 میلیون دلار برای آموزش و تست استرس مدل های هوش مصنوعی با استفاده از شبکه 120 هزار نفری خود جمع آوری می کند.

هوش مصنوعی، زمانی که به خوبی کار می‌کند، می‌تواند شبیه جادو باشد، اما اغلب سیستم‌های مبتنی بر هوش مصنوعی آنطور که باید کار نمی‌کنند: اگر داده‌های مورد استفاده برای آموزش مدل‌ها به اندازه کافی عمیق، گسترده و قابل اعتماد نباشد، هر نوع توپ منحنی می‌تواند آن هوش مصنوعی را در جهت اشتباه بفرستید. یک استارت‌آپ لندنی به نام Prolific سیستمی ساخته است که معتقد است می‌تواند با استفاده از شبکه‌ای متشکل از 120000 شرکت‌کننده انسانی برای اطلاع‌رسانی و تست استرس مدل‌های هوش مصنوعی به رفع این مشکل کمک کند. و در نشانه ای از تقاضا برای خدمات خود، پرولیفیک اکنون مقداری بودجه – 25 میلیون پوند (32 میلیون دلار) – برای گسترش فعالیت های خود جمع آوری کرده است.

این دور توسط Partech و Oxford Science Enterprises (OSE) رهبری شد.

Prolific در سال 2014 تاسیس شد و در حال حاضر سازمان هایی مانند گوگل، دانشگاه استنفورد، دانشگاه آکسفورد، کینگز کالج لندن و کمیسیون اروپا را در میان مشتریان خود به حساب می آورد که از شبکه شرکت کنندگان خود برای آزمایش محصولات جدید، آموزش سیستم های هوش مصنوعی در زمینه هایی مانند ردیابی چشم استفاده می کنند. و تعیین کنند که آیا برنامه‌های هوش مصنوعی رو به انسان آن‌طور که سازندگان آن‌ها می‌خواهند کار می‌کنند یا خیر. تا به حال، این درآمد از کاربرانی مانند این بوده است که به رشد Prolific کمک کرده است. در واقع، تنها پولی که پرولیفیک قبل از این دور جمع آوری کرده بود، یک دور اولیه 1.4 میلیون دلاری بود که پس از گذراندن دوره YC به دست آورد. (بله، سودآور بود؛ حالا که پول VC می گیرد و روی رشد سرمایه گذاری می کند، دیگر نیست.)

فیلیم: «ما اخیراً کشش باورنکردنی را دیده‌ایم و فرصت بزرگی پیش روی خود داریم، بنابراین این بودجه جدید را برای افزایش تلاش‌های خود و گسترش محصول و طیف شرکت‌کنندگان بسیار سریع‌تر از آنچه که بدون آن می‌توانیم داشته باشیم، می‌پذیریم. بردلی، بنیانگذار و مدیر عامل، از طریق ایمیل به TechCrunch گفت.

این شرکت در ابتدا نه به دلیل یک نیاز خاص در دنیای هوش مصنوعی، بلکه به دلیل یک مشکل کلی که محققان اغلب با پانل‌هایی برای هر چیزی با آن مواجه می‌شوند، شکل گرفت، چیزی که بردلی در کار آکادمیک خود شناسایی کرد (پیشینه او، قبل از پرولیفیک، در محاسبات بود. زیست شناسی و فیزیک).

به طور خلاصه، یافتن بخش‌های متقاطع جامعی از افراد برای پاسخ به سؤالات یک چالش است و انجام به موقع آن تقریباً غیرممکن است. رجوع برای بسیاری از تحقیقات، کار با اشخاص ثالث برای مشارکت‌کنندگان منبع است، اما این امر دارای اشکالات خاص خود است، از جمله ناتوانی در تأیید افراد و انتخاب مقاطع برای اطمینان از نمونه‌های معرف.

در هوش مصنوعی، همین مسائل به‌ویژه حاد هستند: داده‌های نادرست یا گمراه‌کننده همان مگس ضرب‌المثلی است که می‌تواند نحوه عملکرد سیستم‌های هوش مصنوعی را ایجاد یا خراب کند. با توجه به اینکه هوش مصنوعی چقدر گسترده است – یا شاید به طور دقیق تر، چقدر مردم گسترده است امید تا یک روز آن را اعمال کنید – همه آن را دریافت کنید

راه حلی که بردلی برای رفع آن شناسایی کرد، اگر نه اجرای واقعی، از نظر مفهومی نسبتاً ساده بود: راه بهتری برای یافتن منابع پانل ها ایجاد کنید.

او گفت که در روزهای اولیه، این شرکت فعالانه به افراد نزدیک می شد و برای یافتن آنها به رویدادها و مکان های دیگر می رفت. بردلی گفت: «ما معمولاً کارهایی را انجام می‌دادیم که «مقیاس» نداشتند. اما پس از اینکه به یک توده بحرانی رسیدیم، اکثر شرکت‌کنندگان در نتیجه تجربه مثبت کاربر، ما را از طریق دهان به دهان کشف کردند.» پرولیفیک می گوید که تا به امروز حدود 100 میلیون دلار به آنها پرداخت کرده است.

او گفت که Prolific کار می کند تا مجموعه ای از 120000 کاربر را نسبتاً حفظ کند، حتی در مورد جمعیت شناسی. و همچنین ابزارهایی ساخته است – از جمله بیش از 300 فیلتر بر اساس داده‌های سرشماری و منابع دیگر – تا مشتریانش بهتر بتوانند آنچه را که به دنبال آن هستند تنظیم کنند.

این شرکت از قضا از خود هوش مصنوعی برای حل یک مشکل حیاتی در دنیای هوش مصنوعی استفاده نمی کند. او گفت: «ما در حال حاضر روی ارائه HI (هوش انسانی) برای کمک به بهبود هوش مصنوعی تمرکز می کنیم.

بردلی گفت، در حالی که هم افزایی زیادی بین آنچه پرولیفیک برای رفع یک نیاز در بازار هوش مصنوعی ساخته است و نیازهای گسترده تر در دنیای تحقیقات وجود دارد، هیچ برنامه ای برای گسترش شبکه خود برای کار فراتر از برنامه های کاربردی هوش مصنوعی وجود ندارد.

با این اوصاف، به نظر می‌رسد شرکت‌هایی مانند آمازون (که Mechanical Turk را به مشتریانی که نیاز به آزمایش‌کننده‌های انسانی دارند ارائه می‌کند)، Nielsen و YouGov، به غیر از بازیگران بزرگ در ساخت مدل‌های زبانی مانند OpenAI، ممکن است تلاش کنند به این فضا حرکت کنند. در حال حاضر، شرکت هایی مانند Attest و Scale AI احتمالاً نزدیک ترین رقبای آن هستند.

عمری بنایون، شریک عمومی پارتک در بیانیه ای گفت: «پرولیفیک یک پلت فرم آنلاین فوق العاده قدرتمند برای تحقیق ایجاد کرده است. “ریشه آن در دانشگاه به این معنی است که بالاترین استانداردها را برای کیفیت اعمال کرده است، در حالی که تخصص فنی آن نوآوری را به ارمغان می آورد که آن را از هر چیز دیگری متمایز می کند. در جایی که دیگران به روش‌های استخدام دستی تکیه می‌کنند، Prolific زیرساخت تحقیقاتی ایجاد کرده است که همه چیز را از استخدام و بررسی شرکت‌کنندگان گرفته تا ادغام ابزارهای تحقیقاتی را پوشش می‌دهد. Prolific آماده است تا رهبری جهانی را در دانشگاه به دست آورد و همچنین برای کمک به توسعه هوش مصنوعی کاملاً مناسب است.