Contextual AI ist aus der Versenkung aufgetaucht und hat eine Startfinanzierung in Höhe von 20 Millionen US-Dollar für die Entwicklung der nächsten Welle von Sprachmodellen für Unternehmensanwendungen erhalten. Die von Douwe Kiela mitbegründete Technologie zielt darauf ab, Probleme zu lösen, die den Einsatz von großen Sprachmodellen (LLMs) wie OpenAIs GPT-4 in Unternehmen mit strengen Compliance- und Governance-Anforderungen einschränken.
Obwohl sie das Potenzial haben, die Industrie zu revolutionieren, sind die bestehenden LLMs mit Einschränkungen behaftet, wie z. B. der Erzeugung von gefälschten Ergebnissen mit hoher Zuverlässigkeit und Schwierigkeiten bei der Änderung ihrer Wissensbasis. Infolgedessen zögern Unternehmen möglicherweise, LLMs in ihrem Betrieb zu implementieren. Um diese Hindernisse aus dem Weg zu räumen, beabsichtigt Contextual AI, eine neue Generation von LLMs zu entwickeln, die auf die spezifischen Bedürfnisse von Unternehmen zugeschnitten sind.
Mit der Unterstützung von Investoren wie Bain Capital Ventures, Lightspeed, Greycroft und SV Angel verfolgt Contextual AI das Ziel, KI-Lösungen zu entwickeln, die für Unternehmen besser geeignet sind als verbraucherorientierte LLM-Angebote. Zu diesem Zweck stützen sich Kiela und sein Mitgründer Amanpreet Singh auf ihren Hintergrund in der KI-Entwicklung bei Hugging Face und Meta.
Auf der Grundlage der Forschungserfahrung von Kiela, der während seiner Zeit bei Meta die Entwicklung von Retrieval Augmented Generation (RAG) leitete, zielt die Technologie darauf ab, eine überlegene textgenerierende KI für Unternehmensanwendungen zu entwickeln. Im Wesentlichen funktioniert RAG durch die Erweiterung von LLMs mit externen Quellen wie Dateien und Webseiten, um ihre Leistung zu verbessern.
Wenn eine Frage gestellt wird, sucht RAG im Wesentlichen nach relevanten Daten in diesen externen Quellen, verpackt die Informationen mit der ursprünglichen Eingabeaufforderung und gibt sie an ein LLM weiter. Dies wiederum erzeugt eine kontextbezogene Antwort, die im Vergleich zu herkömmlichen LLMs eine höhere Präzision und Zuverlässigkeit bietet.
Durch die Lösung von Problemen im Zusammenhang mit der Anpassung und Zuordnung in LLMs verspricht RAG eine verbesserte Leistung, während die Notwendigkeit eines erneuten Trainings oder einer Feinabstimmung umgangen werden kann. Kleinere, effizientere Sprachmodelle können nun entwickelt werden, was die Latenzzeit und die Kosten senkt und gleichzeitig eine integrierte Lösung für die Anforderungen von Unternehmen bietet.
Obwohl Contextual AI in diesem Bestreben nicht allein ist, da andere Startups wie LlamaIndex ebenfalls Dateninjektionen und Plug-in-Frameworks für LLMs erforschen, behauptet das Unternehmen, einen einzigartigen Vorteil im Unternehmenssektor zu haben. Obwohl Contextual AI derzeit noch keine Umsätze erzielt, befindet es sich Berichten zufolge in Gesprächen mit Fortune-500-Unternehmen über potenzielle Pilotprojekte für seine Technologie.
Indem Contextual AI sicherstellt, dass die Ergebnisse der generativen KI genau, zuverlässig und nachvollziehbar sind, hat das Unternehmen das Potenzial, die Einführung und den Einsatz von KI-Technologie in Unternehmen erheblich zu beeinflussen. Darüber hinaus bietet dieser stärker integrierte Ansatz eine wettbewerbsfähige Alternative zu anderen generativen KI-Unternehmen, die auf den Unternehmensmarkt abzielen.
In der Branche no-code treiben Plattformen wie AppMaster das Wachstum voran, indem sie es Unternehmen ermöglichen, Backend-, Web- und mobile Anwendungen mit Leichtigkeit zu erstellen. Der Einsatz von Lösungen wie No-Code-Plattformen kann dazu beitragen, die Kosten zu senken und die Entwicklung zu beschleunigen, vor allem, da generative KI im Unternehmenssektor an Zugkraft gewinnt.
