Whalesbook
Pramaana Labs ਨੇ ਇੱਕ ਅਜਿਹੀ ਟੈਕਨੋਲੋਜੀ ਵਿਕਸਿਤ ਕਰਨ ਲਈ ਸੀਡ ਫੰਡਿੰਗ ਵਿੱਚ $27 ਮਿਲੀਅਨ ਇਕੱਠੇ ਕੀਤੇ ਹਨ ਜੋ AI ਨੂੰ ਸਖ਼ਤ ਨਿਯਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰੇਗੀ। ਇਹ ਕਦਮ ਟੈਕਸ ਅਤੇ ਹੈਲਥਕੇਅਰ ਵਰਗੇ ਹਾਈ-ਸਟੇਕਸ ਇੰਡਸਟਰੀਆਂ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਂਦਾ ਹੈ, ਜਿੱਥੇ AI ਦੀਆਂ ਗਲਤੀਆਂ ਮਹਿੰਗੀਆਂ ਸਾਬਿਤ ਹੋ ਸਕਦੀਆਂ ਹਨ।
ਕੀ ਹੋਇਆ?
Pramaana Labs, ਇੱਕ ਸਟਾਰਟਅੱਪ ਜਿਸਦੀ ਸਥਾਪਨਾ 2025 ਵਿੱਚ ਹੋਈ ਸੀ, ਨੇ ਸੀਡ ਫੰਡਿੰਗ ਰਾਊਂਡ ਵਿੱਚ ਸਫਲਤਾਪੂਰਵਕ $27 ਮਿਲੀਅਨ ਇਕੱਠੇ ਕੀਤੇ ਹਨ। ਇਸ ਨਿਵੇਸ਼ ਦੀ ਸਹਿ-ਅਗਵਾਈ Khosla Ventures ਨੇ ਕੀਤੀ, ਜਿਸ ਵਿੱਚ Accel, BoldCap, Nexus Venture Partners, Premji Invest, ਅਤੇ Unbound ਸਮੇਤ ਹੋਰ ਪ੍ਰਮੁੱਖ ਨਿਵੇਸ਼ਕਾਂ ਨੇ ਭਾਗ ਲਿਆ। ਫੰਡਿੰਗ ਰਾਊਂਡ ਵਿੱਚ Google DeepMind ਦੇ Pushmeet Kohli ਅਤੇ Microsoft Research ਦੇ Sriram Rajamani ਵਰਗੇ ਉਦਯੋਗ ਮਾਹਰਾਂ ਨੇ ਵੀ ਸਮਰਥਨ ਦਿੱਤਾ। ਕੰਪਨੀ ਇਨ੍ਹਾਂ ਫੰਡਾਂ ਦੀ ਵਰਤੋਂ ਰਿਸਰਚਰਾਂ ਅਤੇ ਮਾਹਰਾਂ ਦੀ ਨਿਯੁਕਤੀ, ਅਤੇ ਅਜਿਹੇ AI ਮਾਡਲਾਂ ਦੇ ਵਿਕਾਸ ਨੂੰ ਵਧਾਉਣ ਲਈ ਕਰੇਗੀ ਜੋ ਭਰੋਸੇਯੋਗਤਾ ਅਤੇ ਸ਼ੁੱਧਤਾ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦੇ ਹਨ।
ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਇਹ ਕਿਉਂ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ?
ਕਾਰਪੋਰੇਟ ਸੈਕਟਰਾਂ ਵਿੱਚ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੇ ਵਿਆਪਕ ਅਪਣਾਉਣ ਨੂੰ ਰੋਕਣ ਵਾਲੀ ਮੁੱਖ ਚੁਣੌਤੀ "hallucinations" ਦੀ ਸਮੱਸਿਆ ਹੈ, ਜਿੱਥੇ AI ਮਾਡਲ ਆਤਮ-ਵਿਸ਼ਵਾਸ ਨਾਲ ਗਲਤ ਜਵਾਬ ਦਿੰਦੇ ਹਨ। ਟੈਕਸ, ਵਿੱਤੀ ਪਾਲਣਾ, ਅਤੇ ਹੈਲਥਕੇਅਰ ਵਰਗੇ ਉਦਯੋਗਾਂ ਵਿੱਚ, AI ਦੇ ਆਉਟਪੁੱਟ ਵਿੱਚ ਇੱਕ ਗਲਤੀ ਸਿਰਫ ਇੱਕ ਅਸੁਵਿਧਾ ਨਹੀਂ ਹੈ—ਇਹ ਗੰਭੀਰ ਕਾਨੂੰਨੀ, ਵਿੱਤੀ, ਜਾਂ ਸੁਰੱਖਿਆ ਨਤੀਜਿਆਂ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦੀ ਹੈ। Pramaana Labs ਇਸਨੂੰ ਇੱਕ "verification layer" ਬਣਾ ਕੇ ਹੱਲ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ ਜੋ AI ਆਉਟਪੁੱਟ ਨੂੰ ਸਖ਼ਤ, ਪੂਰਵ-ਨਿਰਧਾਰਤ ਨਿਯਮਾਂ ਦੇ ਵਿਰੁੱਧ ਚੈੱਕ ਕਰਦਾ ਹੈ, ਜਿਵੇਂ ਗਣਿਤ ਦੀ ਕੋਈ ਸਮੱਸਿਆ ਹੱਲ ਕਰਨਾ ਜਿਸਦਾ ਸਿਰਫ ਇੱਕ ਸਹੀ ਜਵਾਬ ਹੁੰਦਾ ਹੈ। ਜੇਕਰ ਮਾਡਲ ਦਾ ਆਉਟਪੁੱਟ ਇਨ੍ਹਾਂ ਨਿਯਮਾਂ ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦਾ, ਤਾਂ ਸਿਸਟਮ ਇਸਨੂੰ ਫਲੈਗ ਕਰ ਦਿੰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਗਲਤੀਆਂ ਦਾ ਖਤਰਾ ਸਿਧਾਂਤਕ ਤੌਰ 'ਤੇ ਘੱਟ ਜਾਂਦਾ ਹੈ।
ਨਿਵੇਸ਼ਕ ਇਸਨੂੰ ਕਿਵੇਂ ਦੇਖ ਸਕਦੇ ਹਨ?
ਸਟਾਰਟਅੱਪ ਈਕੋਸਿਸਟਮ ਅਤੇ ਵਿਆਪਕ AI ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਟਰੈਕ ਕਰਨ ਵਾਲਿਆਂ ਲਈ, ਇਹ ਫੰਡਿੰਗ ਮਾਰਕੀਟ ਦੇ ਫੋਕਸ ਵਿੱਚ ਇੱਕ ਤਬਦੀਲੀ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ। AI ਵਿੱਚ ਸ਼ੁਰੂਆਤੀ ਨਿਵੇਸ਼ ਅਕਸਰ ਆਮ-ਉਦੇਸ਼ੀ ਚੈਟਬੋਟ ਬਣਾਉਣ ਵਾਲੀਆਂ ਕੰਪਨੀਆਂ ਵੱਲ ਜਾਂਦਾ ਸੀ। ਹੁਣ, ਪੂੰਜੀ "trustworthy AI" ਜਾਂ "AI safety" ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵੱਲ ਵਹਿ ਰਹੀ ਹੈ। ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਨੂੰ ਫਾਰਮਲ ਵੈਰੀਫਿਕੇਸ਼ਨ ਟੂਲਜ਼—ਜਿਵੇਂ ਕਿ Lean, ਇੱਕ ਓਪਨ-ਸੋਰਸ ਪਰੂਫ ਅਸਿਸਟੈਂਟ—ਨਾਲ ਮਿਲਾ ਕੇ, Pramaana ਆਪਣੇ ਆਪ ਨੂੰ ਹਾਈ-ਸਟੇਕਸ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਸੌਫਟਵੇਅਰ ਲਈ ਇੱਕ ਯੂਟਿਲਿਟੀ ਲੇਅਰ ਵਜੋਂ ਸਥਾਪਿਤ ਕਰ ਰਿਹਾ ਹੈ। ਬਾਜ਼ਾਰ ਅਜਿਹੇ ਹੱਲ ਲੱਭ ਰਿਹਾ ਹੈ ਜੋ ਕੰਪਨੀਆਂ ਨੂੰ ਬੇਤਰਤੀਬ ਗਲਤੀਆਂ ਦੀ ਦੇਣਦਾਰੀ ਤੋਂ ਬਿਨਾਂ AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ, ਜੋ ਕਿ ਐਂਟਰਪ੍ਰਾਈਜ਼ AI ਪਹੇਲੀ ਦਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਹਿੱਸਾ ਬਣ ਸਕਦਾ ਹੈ।
ਵੱਡਾ ਕਾਰੋਬਾਰੀ ਸੰਦਰਭ
Pramaana Labs ਇੱਕ ਚੁਣੌਤੀਪੂਰਨ ਖੇਤਰ ਵਿੱਚ ਪ੍ਰਵੇਸ਼ ਕਰ ਰਿਹਾ ਹੈ। ਜਦੋਂ ਕਿ AI ਨੂੰ ਪਾਲਣਯੋਗ ਅਤੇ ਭਰੋਸੇਮੰਦ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ ਉੱਚੀ ਹੈ, ਫਾਰਮਲ ਵੈਰੀਫਿਕੇਸ਼ਨ—ਜੋ ਰਵਾਇਤੀ ਤੌਰ 'ਤੇ ਕੰਪਿਊਟਰ ਕੋਡ ਜਾਂ ਗਣਿਤਿਕ ਸਬੂਤਾਂ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ—ਨੂੰ ਲਚਕਦਾਰ, ਮਨੁੱਖੀ-ਵਰਗੀ ਭਾਸ਼ਾ 'ਤੇ ਲਾਗੂ ਕਰਨ ਦੀ ਤਕਨੀਕੀ ਮੁਸ਼ਕਲ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ। ਇਸ ਵਪਾਰਕ ਮਾਡਲ ਦੀ ਸਫਲਤਾ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗੀ ਕਿ ਕੀ ਕੰਪਨੀ ਇਸ ਟੈਕਨੋਲੋਜੀ ਨੂੰ ਟੈਕਸ ਅਤੇ ਦਵਾਈਆਂ ਵਰਗੇ ਉਦਯੋਗਾਂ ਦੇ ਵਿਸ਼ਾਲ, ਹਮੇਸ਼ਾ ਬਦਲਦੇ ਨਿਯਮਾਂ ਨੂੰ ਕਵਰ ਕਰਨ ਲਈ ਸਕੇਲ ਕਰ ਸਕਦੀ ਹੈ। ਜੇਕਰ ਉਹ ਕਰ ਸਕਦੇ ਹਨ, ਤਾਂ ਇਹ ਕਿਸੇ ਵੀ AI ਟੂਲ ਲਈ ਇੱਕ ਮਿਆਰੀ ਲੋੜ ਬਣ ਸਕਦੀ ਹੈ ਜੋ ਰੈਗੂਲੇਟਿਡ ਵਾਤਾਵਰਣ ਵਿੱਚ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।
ਕੀ ਗਲਤ ਹੋ ਸਕਦਾ ਹੈ?
ਇਸ ਖੇਤਰ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨ ਵਾਲੇ ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਕੁਝ ਮੁੱਖ ਜੋਖਮਾਂ 'ਤੇ ਨਜ਼ਰ ਰੱਖਣੀ ਚਾਹੀਦੀ ਹੈ। ਪਹਿਲਾ ਹੈ ਤਕਨੀਕੀ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਦਾ ਜੋਖਮ; ਕਾਨੂੰਨੀ ਜਾਂ ਡਾਕਟਰੀ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਨੂੰ ਮਸ਼ੀਨ-ਚੈਕ ਕਰਨ ਯੋਗ ਤਰਕ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਨਾ ਇੱਕ ਗੁੰਝਲਦਾਰ ਕੰਮ ਹੈ ਜਿਸ ਵਿੱਚ ਉਮੀਦ ਤੋਂ ਵੱਧ ਸਮਾਂ ਲੱਗ ਸਕਦਾ ਹੈ। ਦੂਜਾ ਹੈ ਅਪਣਾਉਣ ਦਾ ਜੋਖਮ। ਵੱਡੀਆਂ ਕੰਪਨੀਆਂ ਅਕਸਰ ਆਪਣੇ ਮੌਜੂਦਾ ਵਰਕਫਲੋਜ਼ ਵਿੱਚ ਨਵੇਂ, ਅਣ-ਪ੍ਰਮਾਣਿਤ ਸੁਰੱਖਿਆ ਲੇਅਰਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਵਿੱਚ ਹੌਲੀਆਂ ਹੁੰਦੀਆਂ ਹਨ। ਅੰਤ ਵਿੱਚ, AI ਦਾ ਖੇਤਰ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਅੱਗੇ ਵਧ ਰਿਹਾ ਹੈ। ਜੇਕਰ ਆਮ-ਉਦੇਸ਼ੀ AI ਮਾਡਲ ਅੰਤ ਵਿੱਚ ਹਾਲੂਸੀਨੇਸ਼ਨ ਸਮੱਸਿਆ ਨੂੰ ਆਪਣੇ ਆਪ ਹੱਲ ਕਰ ਲੈਂਦੇ ਹਨ, ਤਾਂ ਇੱਕ ਵੱਖਰੇ "verification layer" ਦੀ ਲੋੜ ਘੱਟ ਸਕਦੀ ਹੈ।
ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਕੀ ਟਰੈਕ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?
ਆਉਣ ਵਾਲੇ ਮਹੀਨਿਆਂ ਲਈ ਮੁੱਖ ਟਰੈਕ ਕਰਨ ਵਾਲੀਆਂ ਚੀਜ਼ਾਂ ਕੰਪਨੀ ਦੀ ਖੋਜ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਅਸਲ-ਦੁਨੀਆ ਦੇ ਪਾਇਲਟ ਪ੍ਰੋਗਰਾਮਾਂ ਵਿੱਚ ਜਾਣ ਦੀ ਸਮਰੱਥਾ ਹੋਵੇਗੀ। ਨਿਵੇਸ਼ਕ ਟੈਕਸ ਜਾਂ ਹੈਲਥਕੇਅਰ ਕੰਪਲਾਇੰਸ ਸੈਕਟਰਾਂ ਵਿੱਚ ਫਰਮਾਂ ਨਾਲ ਸਾਂਝੇਦਾਰੀ ਦੀ ਭਾਲ ਕਰ ਸਕਦੇ ਹਨ, ਕਿਉਂਕਿ ਇਹ ਇਸ ਗੱਲ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਗੇ ਕਿ ਟੈਕਨੋਲੋਜੀ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਵਿੱਚ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਅਸਲ ਵਿੱਚ ਕੰਮ ਕਰਦੀ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਕੰਪਨੀ ਦੀ ਚੋਟੀ-ਦਰਜੇ ਦੇ AI ਰਿਸਰਚਰਾਂ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਣ ਦੀ ਸਮਰੱਥਾ ਜ਼ਰੂਰੀ ਹੋਵੇਗੀ, ਕਿਉਂਕਿ ਇਸ ਖਾਸ ਖੇਤਰ ਵਿੱਚ ਪ੍ਰਤਿਭਾ ਲਈ ਮੁਕਾਬਲਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ।
