Graphon AI تجمع 8.3 مليون دولار لبناء طبقة معالجة البيانات لنماذج LLM

خرجت Graphon AI من وضع التخفي بجولة تمويل أولي (seed) بقيمة 8.3 مليون دولار. تعمل الشركة على تطوير طبقة للمعالجة المسبقة للبيانات موجهة لنماذج اللغة، ويسميها المطورون pre-model intelligence layer.

ما المشكلة؟

يجري تدريب معظم نماذج LLM الحديثة على بيانات نصية تعرض المعلومات في صورة تسلسل خطي من الكلمات. لكن المعلومات في العالم الواقعي كثيراً ما تكون منظمة بطريقة مختلفة تماماً: على شكل رسوم بيانية (graphs)، حيث تمثل العقد كيانات وتشير الحواف إلى العلاقات بينها.

وتظهر البنى الرسومية في كل مكان. ففي الشبكات الاجتماعية هي الأصدقاء وروابطهم. وفي المؤسسات هي الأشخاص والهيكل التسلسلي. وفي قواعد المعرفة هي الحقائق والعلاقات المتبادلة بينها. وفي أنظمة التوصية هي المستخدمون وتفضيلاتهم. وعندما تُحوَّل هذه البيانات إلى نص بسيط لتغذية نماذج LLM، يضيع الجزء الأكبر من المعلومات المتعلقة بالروابط.

حل Graphon AI

استُمد اسم الشركة من الغرافون (graphon)، وهو كائن رياضي من نظرية الرسوم البيانية يصف نهاية متتالية من الرسوم البيانية الكثيفة. والاسم ليس اختياراً عشوائياً: فبين مستشاري الشركة أشخاص ساهموا في ابتكار نظرية الغرافونات نفسها وتطويرها. وهذا يدل على أساس رياضي عميق للحل.

تقترح Graphon AI طريقة لتنظيم البيانات الرسومية بصورة أفضل قبل وصولها إلى نماذج LLM. ويمكن للإعداد الصحيح أن يحسّن جودة النماذج، ويخفض التكاليف الحسابية، ويساعد النماذج على فهم العلاقات بين الكيانات بصورة أفضل.

لماذا يهم ذلك؟

كثيراً ما تتحول بنية البيانات إلى عنق زجاجة في خط أنابيب ML (ML-pipeline)، وهذا الجزء ينال اهتماماً أقل من بنية النموذج نفسه. وإذا نجحت Graphon AI في أتمتة عملية هيكلة البيانات الرسومية، فقد تصبح أداة قياسية ضمن حزمة أدوات ML.

وتزداد أهمية ذلك خصوصاً للشركات التي تتعامل مع كميات كبيرة من البيانات المترابطة: قواعد المعرفة، والشبكات الاجتماعية، والأنظمة المالية، والهياكل التنظيمية، وأنظمة إدارة العلاقات.

مسار التطور

في مرحلة seed تركز الشركات عادةً على المنتج الأولي القابل للتطبيق (MVP) والتحقق من صحة الفكرة. وقد حصلت Graphon AI على تمويل كافٍ لإثبات أن نهجها يعمل على بيانات حقيقية. أما الخطوات التالية فهي العمل مع العملاء الأوائل وتحسين الحل، ومن المرجح جولة تمويل أكبر لتوسيع النطاق وتطوير المنظومة.