برای بیش از هفت سال، UpCodes دنیای پیچیده کدهای ساختمانی را برای افرادی مانند متخصصان صنعت و صاحبان خانه آسانتر کرده است. پلتفرم آن شامل یک پایگاه داده قابل جستجو است که مقررات را در همه ایالت ها پوشش می دهد و ویژگی هایی مانند “بررسی املا” که خطاهای کد را نشان می دهد. امروز، این استارت آپ ابزار جدیدی مبتنی بر هوش مصنوعی را معرفی می کند که پیمایش در دنیای کدهای ساختمانی را ساده تر می کند. Copilot که Copilot نامیده می شود و بر اساس ChatGPT-4 ساخته شده است، به عنوان دستیار پژوهشی عمل می کند، به سؤالات کد پیچیده پاسخ می دهد و پاسخ ها را با پیوندهایی به بخش های مربوطه کد شرح می دهد.
UpCodes همچنین اعلام کرد که سری A 3.5 میلیون دلاری را بسته است که برای استخدام در نظر گرفته شده است زیرا همچنان به توسعه Copilot و افزودن عملکردهای مبتنی بر هوش مصنوعی به پلتفرم خود ادامه می دهد. همراه با بودجه قبلی UpCodes، از جمله پیش از سری A که در مارس 2021 اعلام شد، مجموع آن به 7.6 میلیون دلار می رسد.
آخرین دور توسط Building Ventures، یک شرکت VC متمرکز بر ساخت و ساز و فناوری املاک و مستغلات رهبری شد. سایر شرکت کنندگان شامل بنیانگذاران PlanGrid، CapitalX و Bragiel Bros هستند.
UpCodes اکنون بیش از 650000 کاربر فعال ماهانه دارد و بیش از 100 میلیون بازدید از صفحه داشته است. از زمانی که TechCrunch آخرین بار در مارس 2021 UpCodes را پوشش داد، رشد بسیار زیادی داشته است. اسکات رینولدز، یکی از بنیانگذاران و مدیر عامل آن، گفت که تیم استارت آپ دو برابر شده، درآمد آن چهار برابر شده و محصولات ارائه شده آن به بخش های بیشتری از کاربران گسترش یافته است. کد ساختمانی تحت پوشش آن نیز از کمتر از دو میلیون به بیش از پنج میلیون بخش میزبانی شده افزایش یافته است و اکنون برای همه ایالت ها و شهرهای بزرگ ایالات متحده پوشش می دهد.
قبل از راه اندازی Copilot، UpCodes بر ساخت پایگاه داده کد خود متمرکز بود، اغلب مقرراتی را که فقط در کتاب های مرجع فیزیکی موجود بودند دیجیتالی می کرد و جستجوی آنها را آسان تر می کرد. علاوه بر بیش از پنج میلیون بخش کد، همچنین میزبان 160000 اصلاحیه محلی است. کدها دائماً در حال تغییر هستند، بنابراین UpCodes به طور میانگین هر ماه حدود 7000 کد را به روز می کند.
پایگاه داده آن قابل جستجو است و دارای ابزارهای دیگری است که برای تسهیل انطباق کد طراحی شده است، مانند ویژگی بررسی کد آن، اما حتی استفاده از آن ها به دلیل پیچیدگی قوانین زمان زیادی می برد. Copilot به معنای ساده سازی چشمگیر فرآیند تحقیق کد است.
رینولدز نمونه هایی از سوالاتی را که Copilot می تواند پاسخ دهد ارائه کرد:
- مسافت سفر را برای یک محل سکونت خاص در یک ساختمان یا حداکثر مسافتی که فرد می تواند در مواقع اضطراری طی کند تا یک خروجی محاسبه کنید (نمونه ای از پاسخ Copilot به این نوع پرس و جو در نمودار بالا آمده است).
- برای کمک به درک معنی، زمینه پشت بخش کد را توضیح دهید
- بخشهای کد مرتبط یا دقیقتر را برای کدهای دیگر مانند کد ساختمان، آتش نشانی و مکانیکی پیدا کنید
- یک چک لیست برای مقررات عرشه مسکونی، با بخش های کد مربوطه مرتبط، ایجاد کنید
Copilot به این پرسشها پاسخ میدهد و با استناد به بخشهای کدی که اطلاعات را از آن استخراج میکند به کاربران کمک میکند تا بتوانند خودشان کد واقعی را بررسی کنند.
رینولدز گفت: «ما همیشه به شدت به آموزش و کمک به کاربران کمک میکنیم تا زمینههای اساسی را درک کنند. UpCodes قصد دارد محتوای توضیحی بیشتری را به Copilot اضافه کند که به کاربران کمک می کند تا کد را فراتر از محتوای در دسترس عموم درک کنند.
قابل ذکر است، قوانین میزبانی شده توسط UpCodes به 0.01٪ از داده های آموزشی برای هوش مصنوعی مانند ChatGPT و Google Bard کمک کرده است. رینولدز گفت که متخصصان ساختمان اغلب به این ابزارها مراجعه می کنند تا به سؤالات خود پاسخ دهند. آنها بر روی مجموعه داده های C4 از Common Crawl، که مستقیماً از وب سایت UpCodes استخراج می شد، آموزش دیدند (دسترسی اولیه به پایگاه داده کد آن رایگان است).
او توضیح داد: «افزایش تمرکز بر کیفیت داده برای آموزش LLMها وجود دارد. “UpCodes دارای یک کتابخانه گسترده از قوانین ساخت و ساز با کیفیت بالا است که برای آموزش LLM ایده آل است زیرا ما تنها منبع آنلاین بسیاری از این قوانین هستیم. شاید این تصمیم آگاهانه برای گنجاندن قوانین ساختمان نبوده و بیشتر نتیجه الگوریتم آنها برای شناسایی داده های با کیفیت مربوط به طیف گسترده ای از موضوعات، از جمله قوانین ساخت و ساز بوده است.
اما رینولدز اضافه کرد که خزیدن فقط شامل عکسهای فوری در زمان است، بنابراین مدلهای آنها احتمالاً از کدهای قدیمی کار میکنند زیرا مقررات دائماً در حال تغییر هستند.
این به Copilot یک مزیت میدهد، زیرا از پایگاه داده UpCodes که دائماً بهروز میشود، استفاده میکند. علاوه بر این، کدها نیز از حوزه قضایی به حوزه قضایی دیگر بسیار متفاوت هستند. رینولدز گفت UpCodes سالها برای ایجاد زیرساخت صرف کرد تا پایگاه داده کد خود را به روز نگه دارد.
یکی از مهم ترین چالش های پیش روی هر پروژه هوش مصنوعی، محدود کردن توهمات است. رینولدز گفت یکی از بزرگترین گامهایی که UpCodes برداشته است، «حصارکشی» Copilot به کدهای قابل اجرا برای یک پروژه است. این بدان معناست که بیش از پنج میلیون بخش کد شامل 160000 اصلاحیه را بر اساس مکان و سال مجوز کاربر تجزیه می کند. همچنین داده های اضافی مانند نوع ساختمان را جمع آوری می کند تا مطمئن شود Copilot فقط از کدهای مربوطه استفاده می کند.
Copilot یک سیستم داخلی دارد که پاسخهای خاص قانون ساخت و ساز را به دقت تنظیم میکند و هر پرس و جو را از چندین لایه تحلیل برای درک و تجزیه بهتر سؤالات عبور میدهد. این برنامه بر روی کدهای حوزه قضایی خاص تمرکز دارد تا تفاوت ها را در نظر بگیرد و به این دلیل که متخصصان ساختمان اغلب باید با چندین حوزه قضایی به طور همزمان آشنا باشند. هنگامی که یک سوال پرسیده می شود، Copilot پاسخ هایی را با متن و ارجاع مستقیم می دهد تا کاربران بتوانند ببینند چگونه به پاسخ رسیده است.
کاربرانی که مشترک برنامه پولی UpCodes هستند، سه سوال از Copilot می پرسند. اگر می خواهند دسترسی نامحدود داشته باشند، می توانند به UpCodes Professional ارتقا یابند یا آن را به طرح Enterprise خود اضافه کنند.
UpCodes’ Series A برای استخدام در بخش مهندسی آن و همچنین هر بخشی که به Copilot کمک می کند استفاده می شود. به گفته رینولدز، این شرکت قصد دارد کتابخانه کد و منابع خود را گسترش دهد تا Copilot بتواند پاسخ های پیچیده تری تولید کند و ویژگی های جدیدی مانند مدیریت پروژه را اضافه کند.
تیم این استارت آپ، Building Ventures را از زمان تاسیس آن می شناسد. او افزود: «ما فکر میکردیم که آنها شریک کاملی برای سری A ما خواهند بود. نمونه کارها و پایه LP آن به عنوان یک منبع ارزشمند برای راهنمایی در زمانی که UpCodes نیاز به اعتبارسنجی ایده ها دارد، خدمت می کند.
رینولدز گفت: «صنعت ساختوساز میتواند غیرشفاف باشد، دنیایی برای خودش، بنابراین داشتن سرمایهگذاران و شرکا برای دههها مفید است.
در بیانیهای درباره سرمایهگذاری Building Ventures در UpCodes، شریک Allen Preger گفت: «با یکپارچهسازی و حفظ همه کدهای ساختمان در یک پلتفرم مبتنی بر هوش مصنوعی، UpCodes انطباق کد را برای محیط ساخته شده تغییر میدهد. ما خوشحالیم که سرمایه گذاری سری A آنها را رهبری می کنیم.”