[ad_1]
Die Welt der generativen KI entwickelt sich so schnell, dass wir alle paar Tage sehen, wie Startups neue Anwendungen auf den Markt bringen, die auf großen Sprachmodellen (LLMs) basieren. Der jüngste Versuch, künstliche Intelligenz zu monetarisieren, stammt von Mindverse-KIein singapurisches Startup, das eine API-Schnittstelle oder das, was Gründer Fangbo Tao als „Erdungsschicht“ für Unternehmen bezeichnet, entwickelt, um intelligente Agenten mit eigenem vertikalem Gedächtnis und unterschiedlichen Fähigkeiten unter Verwendung von LLMs aus der GPT-Serie von OpenAI zu erstellen.
Die ChatGPT-ähnlichen KI-Agenten von Mindverse haben bereits frühe Benutzer gesichert, darunter eine nicht offengelegte Plattform innerhalb des Ökosystems von Alibaba; das von a16z unterstützte Mode-Startup Cider, das den virtuellen Assistenten pilotiert; und Hooked, eine Web3-Bildungsplattform, die den KI-Agenten des Startups nutzt, um Benutzer durch ihre Website zu führen.
Angesichts der Anziehungskraft und der Aufregung der Investoren in Bezug auf Konversations-KI ist es keine Überraschung, dass Mindverse kurz vor dem Abschluss einer Finanzierungsrunde der Serie A in Höhe von 10 Millionen US-Dollar steht. Anleger werden wahrscheinlich von Tao’s beruhigt Erfahrung Arbeit an KI-Systemen bei Tech-Giganten in China und den USA Nach einem Abstecher bei Facebook zum Aufbau seiner Plattform zum Verstehen von Inhalten kam Tao zu Alibaba in Hangzhou, um bei der Gründung eines internen KI-Labors zu helfen, bevor er sein eigenes Unternehmen gründete.
Die letzte Runde von Mindverse, die 7 Millionen US-Dollar einbrachte, hatte einen Wert von 45 Millionen US-Dollar und wurde von Sequoia China mit Beteiligung von Linear Capital, K2 Venture, Yinxinggu Capital und Plug and Play angeführt.
Mindverse stellt im Wesentlichen eine Plattform bereit, die es Kunden ermöglicht, schnell spezialisierte intelligente Agenten für verschiedene Domänen zu erstellen. Folgendes passiert, wenn ein Benutzer auf einer von Mindverse betriebenen E-Commerce-Website landet: Er wird von einem Chatbot begrüßt, der alle Bestandsdaten von der Website absorbiert hat. Angenommen, der Käufer fragt so etwas wie: „Was soll ich in meinem Strandurlaub anziehen?“ Der Bot durchsucht die Produkte und zeigt einige Optionen an.
Durch die menschenähnliche Konversation kann der Einkaufsagent auch die Unterschiede der Produkte erklären und weitere Alternativen vorschlagen, wenn der Benutzer mit seinen ersten Empfehlungen nicht zufrieden ist – was bedeutet, dass der Bot aus Echtzeit-Gesprächen lernen kann.
Auf ähnliche Weise kann eine Hotelbuchungsseite Mindverse verwenden, um einen virtuellen Reiseführer zu erstellen, der Übernachtungsmöglichkeiten basierend auf einfachen Eingaben wie „Ich plane mit meiner Frau eine Reise nach San Francisco“ empfiehlt. Die gezeigten Orte berücksichtigen sowohl die Interessen des Ehemanns als auch die der Ehefrau und nicht die universellen touristischen Hotspots.
Diese Art der Verbindung mit Webdaten, so Tao, unterscheide sich grundlegend von der vorgenerativen KI-Ära.
„In der Vergangenheit interagierten Benutzer mit Datenquellen über Software und Apps oder GUI [graphical user interface]. Was wir jetzt tun, ist das Hinzufügen eines Agenten oder Copiloten zur Unterstützung der GUI… indem wir die KI trainieren, die API, Dokumente, Datenquellen und Anweisungen, die wir ihr zuführen, autonom zu lernen, damit der Agent spezifische Fähigkeiten für die Geschäftsszenarien erwerben und dynamische Orchestrierung bereitstellen kann von denen, die auf der komplexen Absicht des Benutzers basieren“, erklärte er.
„Der größte Unterschied besteht darin, dass bestehende Empfehlungsalgorithmen stark auf Daten aus der Vergangenheit angewiesen sind und Sie Ihre Anforderungen nicht spezifizieren können“, fuhr er fort. „Was Sie anklicken oder kaufen, bestimmt, was Sie sehen. Durch [generative AI]auf der anderen Seite können Sie aktiv mit dem KI-Agenten interagieren, der Ihre Absicht verdauen kann.“
Das bedeutet jedoch nicht, dass Empfehlungsalgorithmen obsolet werden. Die Agenten von Mindverse können ihre Empfehlungen tatsächlich mit denen der Algorithmen vergleichen, die aus vergangenen Daten lernen. Eine Möglichkeit, beide Lösungen zu integrieren, besteht darin, die alten Algorithmen als API in den Agenten einzubacken, damit die App aus dem vergangenen Verhalten der Benutzer lernen kann. Tatsächlich können alle herkömmlichen Fähigkeiten hinter Software – über Empfehlung und Suche hinaus – als API-Fähigkeiten in KI-Agenten integriert werden, betonte der Gründer.
„Aber der KI-Agent agiert auf einer höheren Ebene. Durch das Chatten mit Benutzern kann es die Empfehlungs- und Suchfunktionen besser nutzen, um die beste Art der Verwendung von Backend-Daten zu planen“, sagte Tao.
[ad_2]