Startup-i Plurai mbledh 13 milionë dollarë për të trajnuar agjentët e inteligjencës artificiale me simulime si makinat vetëdrejtuese

Agjentët e inteligjencës artificiale janë bërë shumë të popullarizuar, por testet tregojnë se ata ende nuk janë mjaftueshëm të besueshëm për të punuar pa mbikëqyrje të ngushtë. Siç njofton TechCrunch, në LiveBench 2.0 modelet Claude Fable 5.2 dhe ChatGPT-6 Astra arritën të kryenin me sukses përkatësisht 82,9 dhe 75,6 nga 100 detyra, ndërsa në një test të EON-it në një mjedis të simuluar korporativ, modeli më i mirë, Claude Opus 4.8, arriti 76,8 për qind saktësi. Pikërisht këtë hendek synon të mbyllë startup-i Plurai, duke përdorur të njëjtën teknikë që i nxori makinat vetëdrejtuese në rrugë: simulimet.

Ideja e kompanisë është që modelet të përgatiten për rastet e vështira dhe të papritura — ato që në zhargon quhen edge cases — përmes të dhënave sintetike të ndërtuara mbi sistemet dixhitale të vetë kompanisë. Bashkëthemeluesi Ilan Kadar i tha TechCrunch se është shumë e lehtë të ndërtosh një demonstrim, por shumë e vështirë të arrish diçka të besueshme dhe me kosto efektive, dhe se Plurai dëshiron të ndërtojë pikërisht atë shtresë simulimi që mungon sot për agjentët.

Kadar dhe bashkëthemeluesi tjetër, Elad Levi, vijnë nga bota e drejtimit autonom. Të dy kanë punuar më parë për Nexar, kompani që zhvillon teknologji për drejtimin autonom, ndërsa Kadar ka punuar me Waymo-n për të simuluar dhe vlerësuar softuerin e saj të drejtimit të bazuar në të mësuarit e thellë nga skaji në skaj. Përvoja e tyre me makinat vetëdrejtuese është edhe arsyeja pse Plurai i qaset trajnimit të agjentëve si një problem simulimi, jo thjesht si një problem modeli.

Të mërkurën, startup-i njoftoi se ka mbledhur 13 milionë dollarë në një raund seed, të udhëhequr nga Team8, me pjesëmarrjen e U&I, Velocity dhe Mercer. Plurai krijon një binjak dixhital të sistemeve elektronike të një kompanie, duke përfshirë bazën e njohurive dhe mjetet që agjenti do të përdorë në prodhim, harton të gjitha rrjedhat e mundshme dhe përdor atë graf për të përgatitur modelin me vlerësime dhe korrigjime për rastet e skajshme. Platforma punon përkrah mjeteve si Claude Code, Codex, Copilot dhe Cursor.

Premtimi afatgjatë i kompanisë është post-trajnimi i modeleve të vogla me pesha të hapura, të përshtatura për secilin klient. Testet me Nvidia dhe Nebius treguan se modelet e saj i tejkalojnë modelet e nivelit të mesëm frontier me kosto më të ulët, ndërsa Kadar pretendon cilësi të krahasueshme me modelet frontier me një kosto një deri në dy rende madhësie më të ulët. Reah Miyara, studiuese në Google DeepMind dhe investitore engjëll në Plurai, tha se avantazhi i kompanisë është kuptimi i mënyrave se si dështojnë modelet në prodhim dhe gjenerimi i të dhënave sintetike për t’i rregulluar ato. Sipas Kadarit, sado të zgjuara të bëhen modelet e OpenAI dhe Anthropic, ato nuk do ta njohin një biznes të veçantë dhe politikat e tij — dhe pikërisht aty hyn Plurai.