Dust, ekip üretkenliğini artırmak için dahili verilerde büyük dil modelleri kullanır

Toz yeni Dahili siloları ortadan kaldırarak, önemli bilgileri ortaya çıkararak ve özel dahili uygulamalar oluşturmak için araçlar sağlayarak ekip üretkenliğini artırmaya çalışan, Fransa merkezli yapay zeka girişimi. Dust, özünde ekip üyelerine yeni süper güçler vermek için dahili şirket verileri üzerinde büyük dil modelleri (LLM’ler) kullanıyor.

Gabriel Hubert ve Stanislas Polu tarafından ortaklaşa kurulan çift, birbirini on yıldan fazla bir süredir tanıyor. Totems adlı ilk girişimleri, 2015 yılında Stripe tarafından satın alındı. Bundan sonra, ikisi de yollarını ayırmadan önce birkaç yıl Stripe için çalıştı.

Stanislas Polu OpenAI’ye katıldı ve burada LLM’lerin muhakeme yetenekleri üzerinde üç yıl çalıştı ve Gabriel Hubert şu anda ürün başkanı oldu. Alan.

Dust’ı yaratmak için bir kez daha bir araya geldiler. Birçok yapay zeka girişiminin aksine Dust, yeni büyük dil modelleri oluşturmaya odaklanmıyor. Bunun yerine şirket, OpenAI, Cohere, AI21, vb. tarafından geliştirilen LLM’lerin üzerine uygulamalar oluşturmak istiyor.

Ekip ilk olarak üzerinde çalıştı. platformu büyük dil modeli uygulamaları tasarlamak ve dağıtmak için kullanılabilir. Daha sonra çabalarını özellikle bir kullanım durumuna odakladı – iç verileri LLM’ler tarafından kullanılabilmesi için merkezileştirme ve dizine ekleme.

Dahili bir ChatGPT’den yeni nesil yazılıma

Sürekli olarak Notion, Slack, Github ve Google Drive’dan dahili veri getiren bir avuç bağlayıcı vardır. Bu veriler daha sonra indekslenir ve semantik arama sorguları için kullanılabilir. Bir kullanıcı, Dust destekli bir uygulamayla bir şey yapmak istediğinde, Dust ilgili dahili verileri bulur, bunu bir LLM bağlamı olarak kullanır ve bir yanıt döndürür.

Örneğin, bir şirkete yeni katıldınız ve bir süre önce başlamış bir proje üzerinde çalışıyorsunuz diyelim. Şirketiniz iletişim şeffaflığını teşvik ediyorsa, mevcut dahili verilerde bilgi bulmak isteyeceksiniz. Ancak dahili bilgi tabanı güncel olmayabilir. Veya arşivlenmiş bir Slack kanalında tartışıldığı için bir şeyin neden bu şekilde yapıldığını bulmak zor olabilir.

Dust, yalnızca arama sonuçlarını döndürmediği için yalnızca daha iyi bir dahili arama aracı değildir. Birden çok veri kaynağında bilgi bulabilir ve yanıtları sizin için çok daha yararlı olacak şekilde biçimlendirebilir. Bir tür dahili ChatGPT olarak kullanılabilir, ancak yeni dahili araçların temeli olarak da kullanılabilir.

Gabriel Hubert, “Doğal dil arayüzünün yazılımı bozacağına ikna olduk,” dedi. “Beş yıl sonra, yazılımınızın farklı davranması gerektiğine karar vermek için hala gidip düzenle, ayarlar, tercihler’e tıklamanız gerekiyorsa hayal kırıklığı yaratır. Yazılımlarımızın çoğunun sizin kişisel ihtiyaçlarınıza göre uyarlandığını görüyoruz, çünkü siz böylesiniz, aynı zamanda ekibiniz de böyle – çünkü şirketiniz böyle.”

Şirket, Dust platformunu uygulamak ve paketlemek için çeşitli yollar üzerinde tasarım ortaklarıyla birlikte çalışıyor. Stanislas Polu, “Kurumsal veriler, bilgi çalışanları ve onları desteklemek için kullanılabilecek modellerin bu alanında oluşturulabilecek pek çok farklı ürün olduğunu düşünüyoruz” dedi.

Dust için henüz erken, ancak girişim ilginç bir sorunu araştırıyor. Veri tutma, halüsinasyon ve LLM’lerle birlikte gelen tüm sorunlar söz konusu olduğunda ileride birçok zorluk var. Belki halüsinasyon, LLM’ler geliştikçe daha az sorun haline gelecektir. Belki Dust, veri gizliliği nedenleriyle kendi LLM’sini oluşturacaktır.

Dust, Sequoia liderliğindeki XYZ, GG1, Seedcamp, Connect, Motier Ventures, Tiny Supercomputer, AI Grant ve Datadog’dan Olivier Pomel gibi bir grup iş meleğinin de katıldığı bir başlangıç ​​turunda 5,5 milyon $ (5 milyon €) topladı. Hugging Face’ten Julien Codorniou, Julien Chaumond, Front’tan Mathilde Colin, Alan’dan Charles Gorintin ve Jean-Charles Samuelian-Werve, Pigment’ten Eléonore Crespo ve Romain Niccoli, BlaBlaCar’dan Nicolas Brusson, Airtable’dan Howie Liu, PhotoRoom’dan Mathieu Rouiff, Igor Babuschkin ve Irwan Bello.

Bir adım geri giderseniz Dust, LLM’lerin şirketlerin çalışma şeklini büyük ölçüde değiştireceğine bahse giriyor. Dust gibi bir ürün, bilgi saklama yerine radikal şeffaflığı, sonsuz toplantılar yerine yazılı iletişimi, yukarıdan aşağıya yönetim yerine özerkliği teşvik eden bir şirkette daha da iyi çalışır.

LLM’ler vaatlerini yerine getirir ve üretkenliği büyük ölçüde artırırsa, bazı şirketler bu değerleri benimseyerek haksız bir avantaj elde edecek çünkü Dust, bilgi çalışanları için kullanılmayan pek çok potansiyelin kilidini açacaktır.