La revolución del educación profundo tiene un maniático punto ciego: la hoja de cálculo. Si admisiblemente los modelos de jerigonza extenso (LLM) han dominado los matices de la prosa humana y los generadores de imágenes han conquistado el panel digital, los datos estructurados y relacionales que sustentan la capital mundial (las filas y columnas de los sistemas ERP, CRM y libros de contabilidad financieros) hasta ahora se han tratado como un formato de archivo más similar al texto o los PDF.

Esto ha obligado a las empresas a pronosticar los resultados comerciales utilizando el pintoresco proceso de ciencia de datos personalizado y complicado de ingeniería de funciones manual y algoritmos clásicos de educación mecánico que son anteriores al educación profundo flamante.

Pero ahora Fundamentaluna empresa de inteligencia fabricado con sede en San Francisco cofundada por ex alumnos de DeepMind, es Propagación hoy con $255 millones en financiamiento total para cerrar esta brecha..

Saliendo del sigilo, la compañía presenta NEXUS, un maniquí tabular extenso (LTM) diseñado para tratar los datos comerciales no como una simple secuencia de palabras, sino como una red compleja de relaciones no lineales.

La tecnología: ir más allá de la razonamiento secuencial

La mayoría de los modelos de IA actuales se basan en razonamiento secuencial: predicen la venidero palabra en una oración o el venidero píxel en un cuadro.

Sin requisa, los datos empresariales son inherentemente no secuenciales. El peligro de pérdida de un cliente no es sólo un cronograma; es una intersección multidimensional de la frecuencia de las transacciones, el sentimiento de los tickets de soporte y los cambios económicos regionales. Los LLM existentes luchan con esto porque no se adaptan admisiblemente a las limitaciones de tamaño y dimensionalidad de las tablas a escalera empresarial.

"Los datos más valiosos del mundo viven en tablas y hasta ahora no ha habido un buen maniquí principal construido específicamente para entenderlos." Dijo Jeremy Fraenkel, director ejecutor y cofundador de Fundamental.

En una entrevista fresco con VentureBeat, Fraenkel enfatizó que si admisiblemente el mundo de la IA está obsesionado con el texto, el audio y el video, las tablas siguen siendo la modalidad más importante para las empresas. "Los LLM verdaderamente no pueden manejar muy admisiblemente este tipo de datos," él explicó, "y las empresas actualmente dependen de algoritmos de educación mecánico de la vieja escuela para hacer predicciones."

NEXUS se entrenó en miles de millones de conjuntos de datos tabulares del mundo auténtico utilizando Amazon SageMaker HyperPod. A diferencia de los modelos tradicionales XGBoost o Random Forest, que requieren que los científicos de datos definan manualmente las características (las variables específicas que el maniquí debe considerar), NEXUS está diseñado para ingerir tablas sin procesar directamente.

Identifica patrones latentes en columnas y filas que los analistas humanos podrían acaecer por detención, leyendo de modo efectiva el jerigonza oculto de la cuadrícula para comprender las interacciones no lineales.

La trampa de la tokenización

Una razón principal por la que los LLM tradicionales fallan con los datos tabulares es cómo procesan los números. Fraenkel explica que los LLM tokenizan números de la misma modo que tokenizan palabras, dividiéndolas en partes más pequeñas. "El problema es que aplican lo mismo a los números. Las tablas son, en caudillo, todas numéricas," Fraenkel señaló. "Si tiene un número como 2,3, el ‘2’, el ‘.’ y el ‘3’ se ven como tres fichas diferentes. Básicamente, eso significa que se pierde la comprensión de la distribución de números. No es como una calculadora; No siempre obtienes la respuesta correcta porque el maniquí no comprende el concepto de números de forma nativa."

Encima, los datos tabulares son invariantes en el orden de una modo que el jerigonza no lo es. Fraenkel utiliza un ejemplo de atención sanitaria para ilustrar: "Si te doy una tabla con cientos de miles de pacientes y te pido que predigas cuál de ellos tiene diabetes, no debería importar si la primera columna es la mérito y la segunda el peso, o al revés."

Si admisiblemente los LLM son muy sensibles al orden de las palabras en una indicación, NEXUS está diseñado para comprender que el cambio de posición de las columnas no debería afectar la predicción subyacente.

Operando en la capa predictiva

Integraciones recientes de detención perfil, como la aparición de Claude de Anthropic directamente en Microsoft Excel, han sugerido que los LLM ya están resolviendo tablas.

Sin requisa, Fraenkel distingue el trabajo de Fundamental por ejecutar en una capa fundamentalmente diferente: la capa predictiva. "Lo que están haciendo es esencialmente en la capa de fórmulas: las fórmulas son texto, son como código," dijo. "No intentamos permitirle crear un maniquí financiero en Excel. Te estamos ayudando a hacer un pronóstico."

NEXUS está diseñado para decisiones en una fracción de segundo en las que un humano no está al tanto, como un proveedor de tarjetas de crédito que determina si una transacción es fraudulenta en el momento en que la desliza.

Si admisiblemente herramientas como Claude pueden resumir una hoja de cálculo, NEXUS está diseñado para predecir la venidero fila, ya sea una descompostura del equipo en una factoría o la probabilidad de que un paciente sea readmitido en un hospital.

Cimentación y disponibilidad

La propuesta de valencia central de Fundamental es la reducción radical del tiempo de adquisición de información. Tradicionalmente, construir un maniquí predictivo podía aceptar meses de trabajo manual.

"Tienes que contratar un ejército de científicos de datos para construir todos esos canales de datos para procesar y extirpar los datos." explicó Fraenkel. "Si faltan títulos o datos inconsistentes, su maniquí no funcionará. Tienes que construir esas canalizaciones para cada caso de uso."

Reclamaciones fundamentales NEXUS reemplaza todo este proceso manual con una sola raya de código. Adecuado a que el maniquí ha sido entrenado previamente en mil millones de tablas, no requiere el mismo nivel de capacitación específica para tareas o ingeniería de características que los algoritmos tradicionales.

A medida que Fundamental pasa de su escalón sigilosa al mercado más amplio, lo hace con una estructura comercial diseñada para evitar la fricción tradicional de la acogida de software empresarial.

La compañía ya ha conseguido varios contratos de siete cifras con organizaciones Fortune 100, una correr facilitada por una edificio estratégica de comercialización en la que Amazon Web Services (AWS) actúa como tendero registrado en AWS Marketplace.

Esto permite a los líderes empresariales mercar e implementar NEXUS utilizando créditos de AWS existentes, tratando efectivamente la inteligencia predictiva como una utilidad tipificado inmediato con la computación y el almacenamiento. Para los ingenieros encargados de la implementación, la experiencia es de detención impacto pero de quebranto fricción; NEXUS opera a través de una interfaz basada en Python en una capa puramente predictiva en empleo de conversacional.

Los desarrolladores conectan tablas sin procesar directamente al maniquí y etiquetan columnas objetivo específicas, como una probabilidad de incumplimiento crediticio o una puntuación de peligro de mantenimiento, para activar el pronóstico. Luego, el maniquí devuelve regresiones o clasificaciones directamente a la pila de datos de la empresa, funcionando como un motor silencioso y de adhesión velocidad para la toma de decisiones automatizada en empleo de un asistente basado en chat.

Lo que está en serie para la sociedad: más allá del resultado final

Si admisiblemente las implicaciones comerciales de la previsión de la demanda y la predicción de precios son claras, Fundamental enfatiza el beneficio social de la inteligencia predictiva.

La empresa destaca áreas esencia en las que NEXUS puede aprestar resultados catastróficos mediante la identificación de señales ocultas en datos estructurados.

Al analizar los datos de los sensores y los registros de mantenimiento, NEXUS puede predecir fallas como la corrosión de las tuberías. La compañía señala la crisis del agua de Flint, que costó más de mil millones de dólares en reparaciones, como un ejemplo en el que el monitoreo predictivo podría tener evitado una contaminación potencialmente mortal.

De modo similar, durante la crisis de COVID-19, la escasez de EPP costó a los hospitales 323 mil millones de dólares en un solo año. Fundamental sostiene que al utilizar datos epidemiológicos y de fabricación, NEXUS puede predecir la escasez entre 4 y 6 semanas ayer del pico de demanda, lo que desencadenará una fabricación de emergencia a tiempo para excluir vidas.

En el frente climático, NEXUS tiene como objetivo proporcionar predicciones de inundaciones y sequías para 30 a 60 días, como las inundaciones de Pakistán de 2022, que causaron daños por valencia de 30 mil millones de dólares.

Finalmente, el maniquí se está utilizando para predecir los riesgos de reingreso hospitalario mediante el examen de la demografía de los pacientes y los determinantes sociales. Como dice la empresa: "Una causa soltera que tiene dos trabajos no debería terminar nuevamente en la sala de emergencias porque no pudimos predecir que necesitaría atención de seguimiento."

Rendimiento frente a latencia

En el mundo empresarial, la definición de mejor varía según la industria. Para algunos, es velocidad; para otros, es pura precisión.

"En términos de latencia, depende del caso de uso," Fraenkel explica. "Si usted es un investigador que intenta comprender qué medicamentos regir a un paciente en África, la latencia no importa tanto. Estás intentando tomar una intrepidez más precisa que pueda destruir salvando el longevo número de vidas posible."

Por el contrario, para un sotabanco o un fondo de cobertura, incluso un aumento insignificante en la precisión se traduce en un valencia enorme.

"Aumentar la precisión de las predicciones en medio punto porcentual vale miles de millones de dólares para un sotabanco." dice Fraenkel. "Para diferentes casos de uso, la magnitud del aumento porcentual cambia, pero podemos conseguir que obtenga un mejor rendimiento que el que tiene actualmente."

Una visión ambiciosa recibe un gran respaldo

La Serie A de 225 millones de dólares, liderada por Oak HC/FT con la billete de Salesforce Ventures, Valía Equity Partners y Battery Ventures, indica una creencia de gran convicción de que los datos tabulares son la próxima gran frontera.

Inversores ángeles notables, incluidos líderes de Perplexity, Wiz, Brex y Datadog, validan aún más el pedigrí de la empresa.

Annie Lamont, cofundadora y socia directora de Oak HC/FT, expresó este sentimiento: "Es difícil exagerar la importancia del maniquí de Fundamental: los datos estructurados y relacionales aún no han conocido los beneficios de la revolución del educación profundo."

Fundamental se está posicionando no sólo como otra utensilio de IA, sino como una nueva categoría de IA empresarial. Con un equipo de aproximadamente 35 personas con sede en San Francisco, la empresa se está alejando de la era de los modelos personalizados y en dirección a una era de modelos básicos para mesas.

"Esos algoritmos tradicionales han sido los mismos durante los últimos 10 abriles; no están mejorando," Dijo Fraenkel. "Nuestros modelos siguen mejorando. Estamos haciendo lo mismo con las tablas que ChatGPT hizo con el texto."

Asociación con AWS

A través de una asociación estratégica con Amazon Web Services (AWS), NEXUS se integra directamente en el panel de AWS. Los clientes de AWS pueden implementar el maniquí utilizando sus créditos e infraestructura existentes. Fraenkel describe esto como un "acuerdo muy singular," destacando que Fundamental es una de las dos únicas empresas de inteligencia fabricado que ha establecido una asociación tan profunda y de múltiples niveles con Amazon.

Uno de los obstáculos más importantes para la IA empresarial es la privacidad de los datos. Las empresas a menudo no están dispuestas a trasladar datos confidenciales a una infraestructura de terceros.

Para resolver esto, Fundamental y Amazon lograron una enorme correr de ingeniería: la capacidad de implementar modelos totalmente cifrados (tanto la edificio como los pesos) directamente interiormente del propio entorno del cliente. "Los clientes pueden estar seguros de que los datos los acompañan," Dijo Fraenkel. "Somos la primera, y actualmente la única, empresa que ha creado una decisión de este tipo."

La aparición de Fundamental es un intento de redefinir el sistema activo para las decisiones empresariales. Si NEXUS funciona como se anuncia (manejando el fraude financiero, los precios de la energía y las interrupciones de la esclavitud de suministro con un maniquí único y generalizado), marcará el momento en que la IA finalmente aprenderá a descifrar las hojas de cálculo que verdaderamente manejan el mundo. El poder de predecir ya no se alcahuetería de mirar lo que pasó ayer; se alcahuetería de descubrir el jerigonza oculto de las tablas para determinar qué pasará mañana.