Whalesbook
Pramaana Labs ने AI ला कठोर नियमांचे पालन करण्यास भाग पाडणारे तंत्रज्ञान विकसित करण्यासाठी $27 दशलक्ष (सुमारे ₹225 कोटी) सीड फंडिंग मिळवले आहे. AI मधील चुका महाग पडणाऱ्या टॅक्स आणि आरोग्यसेवा यांसारख्या महत्त्वाच्या उद्योगांना लक्ष्य केले आहे.
काय घडले?
Pramaana Labs, 2025 मध्ये स्थापन झालेल्या एका स्टार्टअपने, सीड फंडिंग राऊंडमध्ये $27 दशलक्ष (सुमारे ₹225 कोटी) यशस्वीरित्या जमा केले आहेत. या गुंतवणुकीचे नेतृत्व Khosla Ventures ने केले, ज्यात Accel, BoldCap, Nexus Venture Partners, Premji Invest आणि Unbound सारख्या प्रमुख गुंतवणूकदारांचा सहभाग होता. Google DeepMind चे Pushmeet Kohli आणि Microsoft Research चे Sriram Rajamani यांसारख्या तज्ञांनीही यात पाठिंबा दिला. कंपनीचा उद्देश हा निधी संशोधक आणि तज्ञांना नियुक्त करण्यासाठी आणि विश्वसनीयता व अचूकतेला प्राधान्य देणाऱ्या AI मॉडेल्सच्या विकासाला गती देण्यासाठी वापरणे आहे.
गुंतवणूकदारांसाठी हे का महत्त्वाचे आहे?
कॉर्पोरेट क्षेत्रात कृत्रिम बुद्धिमत्तेचा (Artificial Intelligence - AI) व्यापक स्वीकार होण्यामागे मुख्य आव्हान 'हॅल्युसिनेशन'ची समस्या आहे. यात AI मॉडेल्स आत्मविश्वासाने चुकीची उत्तरे देतात. टॅक्स, आर्थिक अनुपालन आणि आरोग्यसेवा यांसारख्या उद्योगांमध्ये AI च्या आउटपुटमधील चूक केवळ गैरसोयीची नसते, तर त्यामुळे गंभीर कायदेशीर, आर्थिक किंवा सुरक्षिततेचे परिणाम होऊ शकतात. Pramaana Labs एक "व्हेरिफिकेशन लेयर" तयार करून ही समस्या सोडवण्याचा प्रयत्न करत आहे. हा लेयर AI आउटपुटची पूर्वनिर्धारित नियमांशी तुलना करून तपासतो, जसे की गणिताचे एक प्रश्न सोडवणे ज्याचे एकच योग्य उत्तर असते. जर मॉडेलचे आउटपुट या नियमांशी जुळले नाही, तर सिस्टम ते फ्लॅग करते, ज्यामुळे त्रुटींचा धोका कमी होतो.
गुंतवणूकदार हे कसे पाहू शकतात?
स्टार्टअप इकोसिस्टम आणि AI इन्फ्रास्ट्रक्चरचा मागोवा घेणाऱ्यांसाठी, या निधीमुळे बाजाराच्या दृष्टिकोनमधील बदल दिसून येतो. AI मधील सुरुवातीची गुंतवणूक सामान्यतः जनरल-पर्पज चॅटबॉट्स बनवणाऱ्या कंपन्यांमध्ये जात होती. आता, "ट्रस्टवर्दी AI" किंवा "AI सेफ्टी" इन्फ्रास्ट्रक्चरकडे भांडवल वळत आहे. लार्ज लँग्वेज मॉडेल्सना (Large Language Models) लीन (Lean) सारख्या ओपन-सोर्स प्रूफ असिस्टंट (Proof Assistant) सारख्या फॉर्मल व्हेरिफिकेशन टूल्ससोबत (Formal Verification Tools) एकत्र करून, Pramaana स्वतःला हाय-स्टेक्स एंटरप्राइज सॉफ्टवेअरसाठी एक उपयुक्त लेयर म्हणून स्थान देत आहे. कंपन्यांना यादृच्छिक त्रुटींच्या जबाबदारीशिवाय AI वापरण्याची परवानगी देणाऱ्या उपायांसाठी बाजारपेठ शोधत आहे, ज्यामुळे या प्रकारच्या व्हेरिफिकेशन तंत्रज्ञानाला एंटरप्राइज AI च्या कोड्यांचा एक महत्त्वाचा भाग बनवता येईल.
मोठे व्यावसायिक संदर्भ
Pramaana Labs एका आव्हानात्मक क्षेत्रात प्रवेश करत आहे. AI ला आज्ञाधारक आणि विश्वसनीय बनवण्याची क्षमता मोठी असली तरी, फॉर्मल व्हेरिफिकेशन - जे पारंपारिकपणे संगणक कोड किंवा गणितीय पुराव्यांसाठी वापरले जाते - ते द्रव, मानवी भाषेवर लागू करण्याची तांत्रिक अडचण प्रचंड आहे. या व्यवसाय मॉडेलचे यश कंपनी टॅक्स आणि वैद्यकीय क्षेत्रांच्या विशाल, सतत बदलणाऱ्या नियमपुस्तिकांना कव्हर करण्यासाठी हे तंत्रज्ञान कितपत वाढवू शकते यावर अवलंबून असेल. जर ते यशस्वी झाले, तर ते नियंत्रित वातावरणात वापरल्या जाणाऱ्या कोणत्याही AI टूलसाठी एक मानक आवश्यकता बनू शकते.
काय चूक होऊ शकते?
या क्षेत्रावर लक्ष ठेवणार्या गुंतवणूकदारांनी काही प्राथमिक धोक्यांवर लक्ष ठेवले पाहिजे. प्रथम, तांत्रिक अंमलबजावणीचा धोका आहे; कायदेशीर किंवा वैद्यकीय मार्गदर्शक तत्त्वांना मशीन-चेक करण्यायोग्य तर्कामध्ये रूपांतरित करणे हे एक जटिल कार्य आहे, ज्यास अपेक्षेपेक्षा जास्त वेळ लागू शकतो. दुसरे, स्वीकृतीचा धोका आहे. मोठ्या एंटरप्रायझेस अनेकदा त्यांच्या विद्यमान कार्यप्रवाहांमध्ये नवीन, अप्रमाणित सुरक्षा लेयर्स समाकलित करण्यास धीमे असतात. शेवटी, AI क्षेत्र वेगाने प्रगती करत आहे. जर जनरल-पर्पज AI मॉडेल्सनी स्वतःच हॅल्युसिनेशनची समस्या सोडवली, तर स्वतंत्र "व्हेरिफिकेशन लेयर"ची आवश्यकता कमी होऊ शकते.
गुंतवणूकदारांनी काय ट्रॅक करावे?
येणाऱ्या महिन्यांसाठी मुख्य निरीक्षणे म्हणजे कंपनीची संशोधनापलीकडे जाऊन प्रत्यक्ष वापराच्या पायलट प्रोग्राम्समध्ये उतरण्याची क्षमता असेल. गुंतवणूकदार टॅक्स किंवा आरोग्यसेवा अनुपालन क्षेत्रातील कंपन्यांसोबत भागीदारी शोधू शकतात, कारण यामुळे तंत्रज्ञान प्रयोगशाळेत नव्हे, तर प्रत्यक्षात कार्य करते हे सिद्ध होईल. याव्यतिरिक्त, कंपनीची उत्कृष्ट AI संशोधकांना टिकवून ठेवण्याची क्षमता महत्त्वपूर्ण ठरेल, कारण या विशिष्ट क्षेत्रातील प्रतिभेसाठी स्पर्धा तीव्र आहे.
