ZeroDrift تجمع 10 ملايين دولار لأتمتة الامتثال في الذكاء الاصطناعي

مع سعي الشركات لحل مشكلات أنظمة الذكاء الاصطناعي الخاصة بها، برزت الحوكمة كتحدٍ رئيسي. وتتبنى بعض المؤسسات نهجاً مزدوجاً: استخدام نموذج واحد للتعامل مع الاستفسارات الواردة، وآخر لمنع النموذج الأول من الوقوع في المشكلات.

يوم الثلاثاء، أعلنت ZeroDrift عن جولة تمويل أولية بقيمة 10 ملايين دولار لتوسيع نطاق خدمة الامتثال للذكاء الاصطناعي الخاصة بها، والتي تعالج هذا الجزء الثاني من النظام. وتعمل منصة الشركة كحاجز حماية، حيث تتمركز بين نماذج الذكاء الاصطناعي والمستخدمين النهائيين لتحديد الرسائل التي قد تمثل مشكلة امتثال واستبدالها.

وشملت جولة التمويل مشاركة كل من:

• a16z Speedrun، وهو برنامج تسريع واستثمار تديره شركة رأس المال الاستثماري Andreessen Horowitz
• Reign Ventures
• Pitchdrive
• U&I Ventures

على عكس الإعدادات التقليدية التي تعتمد فقط على النماذج اللغوية الكبيرة (LLMs)، تستخدم ZeroDrift برامج حتمية لتطبيق معايير الامتثال. وتشمل هذه المعايير SOC 2، وهو إطار عمل شائع لامتثال الأمان، وGDPR، وهي لائحة حماية البيانات الخاصة بالاتحاد الأوروبي. وبموجب هذه البنية، يستخدم النظام النماذج اللغوية الكبيرة لإعادة صياغة الرسائل فقط بعد أن يتم تحديدها بواسطة البرامج الحتمية. وأوضح الرئيس التنفيذي Kumesh Aroomoogan أن النظام يحدد بشكل حتمي المجالات الخاضعة للتنظيم والانتهاكات، ثم يستخدم النماذج اللغوية الكبيرة لإجراء عمليات إعادة الصياغة.

وتدّعي ZeroDrift أن نظامها يمكن تشغيله بزمن انتقال أقل وموثوقية أكبر مقارنة بالنماذج اللغوية الكبيرة التقليدية. وتضع الشركة هذا كأفضلية مقارنة بنماذج من OpenAI وAnthropic. وتتمثل حالة الاستخدام الأساسية في روبوتات الدردشة التي تعمل بالذكاء الاصطناعي، والتي يتم نشرها مباشرة أمام المستهلكين حيث يمكن أن تكون هناك عواقب وخيمة لـ “الإجابات المارقة”.

وتشير عملية جمع التبرعات نفسها إلى وجود اهتمام قوي في السوق بحوكمة الذكاء الاصطناعي. وأشار Aroomoogan إلى أن عملية جمع التبرعات كانت على الأرجح الأسرع التي أكملها، معزياً الفضل لشركة Andreessen Horowitz لمساعدتها في هيكلة الجولة الأولية. ووفقاً للرئيس التنفيذي، “لقد أغلقنا الجولة في غضون ثلاثة أسابيع، وسنكون مغطين للاكتتاب بمقدار 3 أضعاف المبلغ”.

لماذا يهم

تعالج ZeroDrift تحدي الحوكمة في الذكاء الاصطناعي من خلال إدراج طبقة امتثال حتمية بين النماذج والمستخدمين. ومن خلال الجمع بين القواعد الحتمية والنماذج اللغوية الكبيرة لإعادة الصياغة فقط، تهدف الشركة إلى تقديم موثوقية أفضل وزمن انتقال أقل مقارنة بالنهج التقليدية التي تعتمد على النماذج اللغوية الكبيرة فقط.