Gretel AI 50 میلیون دلار برای پلتفرمی جمع آوری می کند که به مهندسان اجازه می دهد مجموعه داده های مصنوعی را بسازند و از آنها برای حفظ حریم خصوصی داده های واقعی خود استفاده کنند – TechCrunch

به طور فزاینده ای ، مکالمات در مورد داده های بزرگ ، یادگیری ماشین و هوش مصنوعی با مکالمات مربوط به حفظ حریم خصوصی و حفاظت از داده ها همراه است. در حال حاضر ، استارت آپی که ابزارهایی را برای سهولت پیاده سازی همزمان این دو مهندس در اختیار مهندسین قرار می دهد ، اعلام می کند که برای ادامه فعالیت خود ، دور جدیدی از بودجه خود را افزایش می دهد.

Gretel AI ، که به مهندسان اجازه می دهد مجموعه داده های ناشناس ، مصنوعی ، بر اساس مجموعه داده های واقعی خود ایجاد کنند تا در تجزیه و تحلیل خود استفاده کنند و مدلهای یادگیری ماشین را آموزش دهند ، 50 میلیون دلار بودجه بسته است ، سری B که از آن برای رساندن شرکت به شرکت بعدی استفاده خواهد کرد. مرحله توسعه این محصول – که به عنوان یک محصول SaaS ساخته شده است اما از طریق API ها نیز می توان به آن دسترسی پیدا کرد – هنوز در مرحله بتا است اما قصد دارد در دسترس عموم قرار گیرد تا اواخر امسال.

Anthos Capital با بخش 32 در کنار Greylock و Moonshots Capital شرکت می کند. Greylock دور قبلی این شرکت را در سال 2020 رهبری کرد و این استارتاپ تا به امروز 65.5 میلیون دلار جمع آوری کرده است.

با توجه به آنچه ما درک می کنیم ، این آخرین دور ارزش شرکت را بین 320 تا 350 میلیون دلار نشان می دهد.

ایده استفاده از مجموعه داده های مصنوعی این است که به سازمان اجازه می دهد خطر نشت داده هایی را که ممکن است حاوی اطلاعات شخصی یا انواع دیگر داده های حساس باشد حذف کند. راه حل های دیگری نیز برای حل مسأله مشابه مربوط به رمزگذاری داده ها وجود دارد ، اگرچه این می تواند یک رویکرد پرهزینه ، وقت گیر و پر منابع باشد که با چالش های مقیاس بندی روبرو است.

جوانه زنی برای Gretel.ai ناشی از تجربیات مستقیم سه بنیانگذار در کار آنها به عنوان متخصصان امنیت سایبری در طیف وسیعی از سازمانها از جمله IBM ، AWS ، Netscout و ارتش ایالات متحده و در طول سالها بود.

علی گلشن ، مدیرعامل که شرکت را با الکس واتسون (CPO) و جان مایرز (CTO) تاسیس کرد ، گفت: “ما همیشه دریافتیم که استفاده از مجوزهای مناسب با داده ها همیشه تنگنا بوده است.” می توان دریافت که مسئله بلند مدت نیاز و اولویت فزاینده ای برای حفظ حریم خصوصی داده ها خواهد بود. “با حرکت جهان از وب به دنیای همه جانبه حسگرها و IOT ، ما در حال گذار به دنیایی هستیم که مردم اطلاعات خود را ناخودآگاه یا ناآگاهانه به اشتراک می گذارند. اما قرار نیست انسان استخراج شود. “

به عنوان مهندسان داده ، اولویت آنها این است که بتوانند به راحتی و به سرعت با داده ها کار کنند ، اما به عنوان شهروندان جهان ، از پیامدهای حفاظت از داده ها ناراضی بودند.

وی گفت: “رفع تنگنای محاسبات مشکلی است که ما حل کرده ایم و توسعه سرعت بالایی ایجاد کرده ایم.” “اما اکنون ما با تنگنای داده ها روبرو هستیم. هوش مصنوعی در مسیر برخورد با حریم خصوصی قرار دارد. در این مسیر برخورد ، ما باید ابزارهایی را برای حل این مشکل ایجاد کنیم.

فرصت Gretel فرصتی است که بسیاری از شرکتها که بازارهای تجاری را هدف قرار می دهند در دنیای تحول دیجیتالی استفاده کرده اند: بسیاری از سازمانها در حال حاضر عملیات مهندسی بزرگی را بر روی برنامه های کاربردی برای اداره مشاغل خود انجام می دهند ، اما آنها هنوز قدرت آتش بزرگترین شرکتهای فناوری جهان را ندارند. بنابراین گرتل قصد داشت مجموعه ای بسازد که به هر شرکتی اجازه می دهد مجموعه داده های ناشناس برای خود بسازد ، مشابه آنچه شرکت های بزرگ فناوری در کار داده های خود استفاده می کنند.

مزیت داده های ناشناس فراتر از جایگزینی یک مجموعه داده مصنوعی برای یک داده واقعی است. آنها همچنین می توانند برای افزایش مجموعه داده یا برای پر کردن شکاف هایی که ممکن است داده های دنیای واقعی در آنها وجود نداشته باشد ، پر کنند. هر دوی اینها م componentsلفه های حیاتی هستند ، به ویژه در مواردی که داده ها برای آموزش سیستم ها مورد نیاز است ، مانند مواردی که در سرویس های خودمختار ، که ظاهراً هرگز نمی توانید داده های آموزشی کافی داشته باشید.

واتسون قبلاً در AWS کار کرده بود (واقعیت جالب: وقتی آمازون استارتاپ قبلی خود ، harvest.ai را خرید) ما این کار را انجام دادیم ، و او می گوید که تا به امروز Gretel.ai مشتریان اولیه را در زمینه هایی مانند علوم زندگی ، خدمات مالی و بازی. در موارد کاربردی تر ، ایجاد مجموعه داده مصنوعی ممکن است 10 دقیقه طول بکشد. در برنامه های پیچیده تر – به عنوان مثال در پایگاه داده ژنومی ، ممکن است چند روز طول بکشد.

به گفته واتسون ، این نسبت اصطکاک بسیار پایینی را برای مهندسان نشان می دهد ، هم در مقایسه با روش های دیگر مانند رمزگذاری داده ها با استفاده از تکنیک هایی مانند رمزگذاری همومورفیک ، یا در واقع روش آنالوگ تماس با اشخاص ثالث و دریافت مجوز برای استفاده از مجموعه داده ها. دومی می تواند شش ماه یا بیشتر طول بکشد ، در مواردی که زمان مهم است ، بسیار طولانی.

امیلی وایت ، رئیس Anthos Capital ، در این باره می گوید: “این سرمایه گذاری قابل توجه سری B ، بازتاب مستقیم چشم انداز بلندپروازانه گرتل ، رشد سریع و قدرت موقعیت در صنعت هوش مصنوعی به عنوان حامل استاندارد ابزارهایی است که حریم خصوصی را با طراحی امکان پذیر می سازد.” بیانیه. “سهولت استفاده از Gretel ، افزایش خدمات آن ، و دقت و کیفیت برتر داده های ترکیبی آن راه حل های بسیار مورد نیاز برای ساده سازی موانع قانونی و فنی بسیار پیچیده ای است که شرکت ها به دلیل نگرانی از حریم خصوصی داده ها با آن روبرو هستند.”

سریدار راماسوامی ، شریک Greylock ، می گوید: “Gretel به تیم های داده ای که در هر چارچوب یا زبانی کار می کنند ، ابزارهایی را که برای ایجاد حریم خصوصی با طراحی در جریان کار موجود و خطوط لوله داده نیاز دارند ، می دهد و این روند را بسیار ساده می کند.” “بارها و بارها از مهندسان نرم افزار و دانشمندان داده در مورد ارزشی که گرتل ارائه می دهد می شنوم. ابتدا توسعه دهنده آن ، رویکرد تکنولوژیکی برای حل مسائل مربوط به حریم خصوصی برای هر بخش تجاری بسیار ارزشمند است. “