مجله هوش مصنوعی شهاب
در بخش قبل به معرفی برخی از شرکت های برتر فعال در زمینه هوش مصنوعی و یادگیری ماشین در صنایع مختلف پرداختیم. در این بخش نیز به بررسی شرکت های برتر دیگر می پردازیم.
مقاله مرتبط :
- ۵۰ شرکت متعهد و نوید بخش هوش مصنوعی (بخش اول)
- ۵۰ شرکت متعهد و نوید بخش هوش مصنوعی (بخش سوم)
- ۵۰ شرکت متعهد و نوید بخش هوش مصنوعی (بخش چهارم)
- ۵۰ شرکت متعهد و نوید بخش هوش مصنوعی (بخش پنجم)
۳۹– Ubiquity6
- ساختمان مرکزی: سان فرانسیسکو
- پایه گذاران: مدیرعامل آنجی میتهای،آنکیت کومار
- بودجه و درآمد: ۳۷میلیون دلار از طریق pitchbook
- ارزش گذاری: ۱۰۲میلیون دلار از طریق pitchbook
توسط شریک سابق کلینر پرکینز یعنی آنجی میدهای و محقق یادگیری عمیق آنکیت کومار بنیان گذاری شده است.Ubiquity6 برنامه ی چند نفره ای برای گوشی های هوشمند می سازد که تجربه های واقعیت افزوده را برایشان به ارمغان می آورد. این برنامه می تواند یک نقشه سه بعدی از فضا در عرض ۳۰ ثانیه طراحی کند و با استفاده از بینایی رایانه، اشیاء های دنیای واقعی را تشخیص بدهد، به طوری که اشیای ایجاد شده در AR می تواند با اشیا های دنیای واقعی ارتباط برقرار کنند. برای مثال، در آگوست ۲۰۱۸ پیش نمایش یک بازی در موزه هنر های مدرن سان فرانسیسکو را نشان دادند که به میهمانان اجازه داد تا اشیایی به نام RenneMageritte را ایجاد کنند و سایر کاربران بتوانند با آن رابطه تعاملی داشته باشند.
۳۸- Textio
- ساختمان مرکزی:سیاتل
- پایه گذاران:مدیرعاملکیران اسنایدر،جنسن هریس
- بودجه و درآمد:۲۹٫۵ میلیون دلار
- ارزش گذاری:۱۱۵ میلیون دلار از طریق pitchbook Textio
به شرکت ها کمک می کند تا آگهی های شغلی یا ایمیل های استخدامی مؤثر تری داشته باشند، و پیشنهاد می کند تا برای افزایش احتمال پاسخ ها، تغییرات زبانی ایجاد شود. ازآنجایی که ۳۵۰ مشتری آن ها، ازجملهSpotify ،Expedia وJohnson & Johnson ، جمعیتی از مخاطبان ناشناس و آمار پاسخگویی را به اشتراک می گذارند ، سیستم آن می تواند به پرچمگذاری مواردی مانند برخی اصطلاحات خاص، برای افراد یک جنس یا یک پیش زمینه خاص، جذاب است یا خیر. یک ابزار به نام Textio Flow که در آپریل منتشر شد می تواند به طور خودکار بر مبنای یادداشت های کاربران پاراگرافی از چیزهایی که کاربران می خواهند بگویند را تولید کنند. مدیر عامل شرکت این سرویس را به ابر قدرتی تشبیه می کند که به کاربران کمک می کند تا آن ها به وسیله کلماتی که حتی معنی آن ها را نمی دانند، منظور دقیقشان را بیان کنند.
37- Affectiva
- ساختمان مرکزی:بوستون
- پایه گذاران:مدیرعامل رانا اِل کالیوبی،روزالین پیکارد
- بودجه و درآمد:۵۳میلیون دلار
- ارزش گذاری:۱۱۶ میلیون دلار
Affectiva سعی دارد تا مساله ی بسیار دشوار آموزش نرم افزار برای تشخیص احساسات بر اساس حالت های صورت و صدا را برطرف کند. مدیرعامل اِل کالیوبی می گوید:
هیچ راهی وجود ندارد که رمزگذاری اکتشافی یا یک رویکرد ساده مبتنی بر قوانین بتواند همه این پیچیدگی ها و تفاوت های ظریف را ضبط کند.
شرکت اخیرا در مرحله جدیدی از منابع مالی سر بلند کرده است که توسط شرکت خودرو سازی Aptive با امید به آن که روزی تکنولوژی بتواند با خودرو های هوشمند ادغام شود، تخصیص داده شده است. (خودرویی را تصور کنید که می تواند هشداری به راننده ی خواب آلود بدهد) در این زمان، از آن همچنین برای گرفتن بازخورد مشتریان از آگهی ها و برنامه های تلویزیون استفاده می شود.
۳۶- BigPanda
- ساختمان مرکزی:کوهستان های کالیفرنیا
- پایه گذاران:مدیرعامل آسف رسنیک، اِلیک اِیزنبرگ
- بودجه و درآمد:۵۱میلیون دلار
- ارزش گذاری:۱۳۵ میلیون دلار از طریق pitchbook
هیچ چیز کاربران را مانند خرابی یک وبسایت یا برنامه، براشفته نمی کند. برای ساده سازی و جلوگیری از فاجعه فناوری اطلاعات این چنینی، عضو اصلی سابق Sequoia Capital آسف رسنیک بات وسعه دهنده نرم افزار الیک آیزنبرگ به تیم توسعه نرم افزاری BigPanda پیوست. رسنیک مدیرعامل و اِیزنبرگ مدیر ارشد فناوری این شرکت ۸ ساله می باشند، که از هوش مصنوعی و یادگیری ماشین برای کاهش مشکلات فناوری اطلاعات قبل از تبدیل شدن به قطعی عظیم شبکه ها، استفاده می کنند. در سراسر صنعت، BigPanda هزاران مشتری از قبیل نایک و خطوط هوایی ایالات متحده را جذب کرده است.
۳۵– Insitro
- ساختمان مرکزی:سان فرانسیسکو جنوبی
- پایه گذاران:مدیرعامل دافنه کولر
- بودجه و درآمد:۱۰۰میلیون دلار
- ارزش گذاری:۱۳۵میلیون دلار از طریق pitchbook
Insitro هدف دارد تا فرآیند کشف دارو را بهبود بخشد. در شرکت که توسط کهنه کار یادگیری ماشین دافنه کولر راه اندازی شده، این برنامه، مدل آزمایشگاهی از بیماری های انسانی را در آزمایشگاه خودکار خود ایجاد می کند و سپس از مدل های یادگیری ماشین برای پیشبینی روش های درمانی مؤثر استفاده می کند. این شرکت به تازگی برای کمک به پیدا کردن روش درمانی برای نوعی بیماری کبدی به نام استئوتهپاتیس غیر الکلی یا NASH ، همکاری با سازنده دارو Gilead science را به ارزش ۱ میلیارد دلار اعلام کرده است.
۳۴- Blue Hexagon
- ساختمان مرکزی:سانی ویل ، کالیفرنیا
- پایه گذاران:مدیرعامل نعیم اسلام،سامیترا داس
- بودجه و درآمد:۳۱میلیون دلار
- ارزش گذاری:۱۴۳٫۹ میلیون دلار از طریق pitchbook
Blue Hexagon به رهبری نعیم اسلام مدیر اجرایی دیرینه کوالکام، بیشتر از یک سال و نیم را برای ساخت سیستم یادگیری عمیق برای تجزیه و تحلیل ترافیک شبکه گذرانده است. این شرکت می گوید که می تواند تهدیدات را تشخیص و از آن ها در کمتر از یک ثانیه پیشگیری کند. نعیم اسلام می گوید، هنگامی که مشتریانی احتمالی نرم افزار را امتحان می کنند، به طرز حیرت آوری می تواند تعداد بسیار بالای حملات بالقوه را پرچم گذاری کند، که او به توانایی پیشبینی نحوه تطبیق مهاجمین با بدافزار خود نسبت می دهد. او می گوید:
پیدا کردن جهش های تهدیدات کاری است که هوش مصنوعی به طور خارق العاده ای انجام می دهد. نتیجه گیری پارسال ما چیزی در حدود بیشتر از ۹۹% بود.
۳۳- Tamr
- ساختمان مرکزی:کمبریج
- پایه گذاران:مدیرعامل اندی پالمر، ایهاب الیاس، مارک استونبرکر
- بودجه و درآمد:۷۳٫۵ میلیون دلار
- ارزش گذاری:۱۵۵ میلیون دلار
شرکت مدیریت داده تامر از یک پروژه تحقیقاتی MIT متولد شد تا از یادگیری ماشین برای تمیز کردن و سازمان دهی داده های به اصطلاح کثیف که ناقص یا متناقض هستند، استفاده کند. وقتی سیستم MIT وارد شد تا اطلاعات سنجش بیولوژیکی با ارزش یک دهه را که در بیش از ۱۵۰۰۰ جدول پخش شده بودند را سازمان دهی کند، اندی پالمر در حال مهندسی داده در شرکت دارویی Novartis بود. تکنولوژی خیلی خوب درحال کار کردن بود که او و ۲ تا از دیگر محققان تصمیم گرفتند تا در این باره شرکتی تاسیس کنند. پالمر که اکنون مدیرعامل Tamr است می گوید:
تنها راه برای فهمیدن هزاران منبع داده جدولی که به طور مداوم در حال تغییر هستند، استفاده از ترکیبی هنرمندانه از یادگیری ماشین و تخصص انسانی است.
در عمل، به این معنی است که سیستم Tamr به صورت خودکار منابع داده را که می توانند در کنار یکدیگر مفید باشند را در سرتاسر شرکت تشخیص می دهد و سپس یک کارمند را مامور می کند تا به نرم افزار دستور دهد چگونه آن را ادغام کند. شرکت این سرویس را به مشتریانی نظیر تویوتا، GSK و GE می فروشد که می گویند چیزی در حدود بیشتر از ۸۰ میلیون دلار با کمک Tamr پس انداز کرده اند.
۳۲- Socure
- ساختمان مرکزی:نیویورک
- پایه گذاران:جانی آیریس، سونیل مدهو(دیگر استخدام نیست)، مدیرعامل تام ثیموت
- بودجه و درآمد:۶۰میلیون دلار
- ارزش گذاری:۱۷۵ میلیون دلار از طریق pitchbook
Socure هدف از بین بردن تقلب در هویت را دارد. صد ها داده را از منابع داده آنلاین و آفلاین را که شامل دفاتر اعتباری، سوابق تلفن همراه، آدرس های IP ، شبکه های اجتماعی و … برای نظارت بر هرگونه رفتار مشکوک ارزیابی می کند. این شرکت می گوید مشتریان شاهد کاهش ۸۰% تا ۹۰% کلاهبرداری ها و افزایش نظرات دستی بوده اند.
۳۱– Bossa Nova Robotics
- ساختمان مرکزی: سان فرانسیسکو
- پایه گذاران: سارخون سکاف، مارتین هیتچ، مدیرعامل بروس مک ویلیامز
- بودجه و درآمد: ۷۶٫۵۷ میلیون دلار از طریق pitchbook
- ارزش گذاری:۱۷۹ میلیون دلار
اگر به والمارت رفتید، چشمان خود را برای دیدن یک ربات بسیار بزرگ و آرام که در راهرو بالا و پایین می رود باز نگه دارید. این محصول فکری استارت آپ رباتیک Bossa Nova است که به ۳۵۰ کشور دنیا فرستاده می شود تا کمک کند که قفسه ها مرتب بماند. سیستم این ربات قیمت روی برچسب ها را برای شناسایی هر گونه اختلافی می خواند و مشکلات قفسه ها را پیدا می کند، پس می تواند کارگران را از هرگونه اشکالی با خبر سازند.
مدیر ارشد فناوری سارخون سکاف می گوید که این مساله از سال ۲۰۱۳ بار ها و بار ها تکرار شده است تا بفهمند چگونه می توان ربات های خود را با اطمینان در اطراف خریداران حرکت داد و میلیارد ها تصویر را به روشی دقیق، به موقع و مطمئن تفسیر کرد.
۳۰– Pymetrics
- ساختمان مرکزی:نیویورک
- پایه گذاران:مدیر عامل فریدا پولی
- بودجه و درآمد:۵۶٫۶ میلیون دلار
- ارزش گذاری:۱۹۰ میلیون دلار
سیستم عامل آنلاین استخدام Pymetrics به شرکت ها کمک می کند تا افراد درست را با نگاه کردن به تجربیات و مهارت هایشان در رزومه ی آن ها، استخدام کنند. بیش از ۸۰ مشتری سازمانی آن، از جملهLinkedIn ،Accenture ،MasterCard و Unilever کارمندان فعلی و با عملکرد بالای خود را مجبور کرده اند که مجموعه ارزیابی های این سیستم عامل را پر می کنند. Pymetrics صفات مهم عاطفی و شناختی و قوانین مختلف را برای نقش های مختلف جمع آوری می کند پس زمانی که افراد متقاضی کار درخواست کار در یک شرکت را می دهد و چالش های خود را تکمیل کنند، با شغل های مناسب خودشان جفت می شوند.
شرکت ها همچنین می توانند از این سیستم عامل برای توسعه حرفه های داخلی نیز استفاده کنند. فریدا پولی مدیر عامل و دارنده دکتری رشته عصب شناسی می گوید: “این باعث می شود تا پردازش تاثیر گذار تر، همراه با خروجی بهتر و افزایش تنوع فوق العاده ای شود. “Pymetrics ابزار الگوریتمی خود را با هدف جلوگیری از تقویت سیستم های جنسیتی یا تعصب قومی آن، تبدیل به یک الگوریتم منبع باز کرده است.
مطالب اخیر:
- هوش مصنوعی مولد تهدیدات جدیدی برای امنیت سایبری ایجاد می کند
- فناوری تشخیص پلاک خودرو چگونه جامعه را هوشمندتر می کند
- گوگل ساختار سازمانی خود را جهت تمرکز بر هوش مصنوعی اصلاح می کند
- پلاک خوان های شهر گرینزبوروی آمریکا فعلاً قرار نیست افزایش پیدا کنند
- فرماندار اوکلند از پلاک خوان ها حمایت می کند اما مخالفان در اثربخشی آن تردید دارند
