הכביש המהיר לבינה מלאכותית: הסטראט-אפ Run:AI גייס 10 מיליון דולר - TechNation - TheMarker
 

אתם מחוברים לאתר דרך IP ארגוני, להתחברות דרך המינוי האישי

טרם ביצעת אימות לכתובת הדוא"ל שלך. לאימות כתובת הדואל שלך  לחצו כאן

תיק מניות

רשימת קריאה

רשימת הקריאה מאפשרת לך לשמור כתבות ולקרוא אותן במועד מאוחר יותר באתר,במובייל או באפליקציה.

לחיצה על כפתור "שמור", בתחילת הכתבה תוסיף את הכתבה לרשימת הקריאה שלך.
לחיצה על "הסר" תסיר את הכתבה מרשימת הקריאה.

לרשימת הקריאה המלאה לחצו כאן

הכביש המהיר לבינה מלאכותית: הסטראט-אפ Run:AI גייס 10 מיליון דולר

פתרון התוכנה של החברה נועד להאיץ את תהליכי הפיתוח היקרים של בינה מלאכותית על בסיס חומרה קיימת ■ בסך הכל היא גייסה 13 מיליון דולר מהקרנות אס קפיטל ו-TLV פרטנרס

ד"ר רונן דר  (מימין) ועמרי גלר, מייסדי Run:AI

הסטארט-אפ ראן אי.איי (Run:AI), המפתח פתרון תוכנה להאצת תהליכי פיתוח של בינה מלאכותית, דיווח היום (רביעי) כי השלים סבב גיוס ראשון בסך 10 מיליון דולר. הסבב הובל על ידי קרן אס קפיטל (S Capital) של חיים סדגר ואיה פטרבורג, ובהשתתפות קרן TLV Partners, שהובילה השקעת סיד בחברה בסך 3 מיליון דולר, לפני כשנה. 

כבר כמה שנים שתחום הבינה המלאכותית זוכה לעדנה מחודשת ומצית שוב את התקוות שנקשרו בו בסוף שנות ה-80. בזכות הכניסה של מעבדים גרפיים (GPU) שתוכננו במקור עבור משחקי מחשב בעלי מהירות חישוב גבוהה פי עשרה לשימוש הכלל, והתפתחותו של האינטרנט שהפך מידע עתק של מסמכים, תמונות, סרטונים וקובצי שמע לזמינים – הבשילו התנאים לחזרתה של גישה בשם "רשתות עצבים מלאכותיות" (Neural Networks, בהשראת המוח האנושי) או בשמה הנפוץ יותר "למידה עמוקה". 

למידה עמוקה מעניקה למחשבים את היכולת ללמוד על סמך דוגמאות, במקום להיות מתוכנתים לפי כללים ספציפיים ומוכתבים מראש. אלגוריתמים של למידה מאפשרים למערכת ללמוד ולהשתפר כל הזמן, ככל שמוזנים אליה יותר נתונים. הם עובדים כאוסף של שכבות, כל שכבה מבצעת פעולה מתמטית פשוטה אחרת של עיבוד מידע, ומעבירה את התוצאה לשכבה הבאה. 

כדי שמערכות בינה מלאכותית יוכלו לבצע את המשימות שיועדו להן הן עוברות תהליך המכונה "אימון" – אם המערכת מנסה, למשל, לזהות אנומליות בצילומי רנטגן - יש להזין אליה מספר עצום של צילומים שיגרמו לה להבין איך נראה צילום תקין ולא תקין. משימות אימון יכולות לרוץ מאות פעמים במשך ימים או שבועות עד שיעניקו תוצאות מדויקות מספיק לשימוש, ברמת זיהוי של בני אנוש או יותר מכך. תהליך האימון צורך כוח מחשוב עצום ולוקח זמן רב, התוצאה היא זמני פיתוח ארוכים ועלויות גבוהות. מדובר בחסם גבוה ליצירה והגעה מהירה לשוק של פתרונות בינה מלאכותית חדשים. 

בראן:אי.איי פיתחו פתרון תוכנה להאצת תהליכי הפיתוח של בינה מלאכותית על בסיס החומרה הקיימת. "בעולם הפיתוח הסטנדרטי יש פתרונות הקרויים 'וירטואליזציה', שמאפשרים לכמה משתמשים ממקומות שונים לגשת מרחוק לרכיב חומרה פיזי אחד ולחלוק בו", מסביר עמרי גלר, מנכ"ל ומייסד משותף בחברה בשיחה עם TheMarker. "בעולם הלמידה העמוקה מתרחש תהליך הפוך לגמרי - המשימות כל כך כבדות שמשתמש אחד זקוק לכמה רכיבי חומרה במקביל עבור משימה אחת, פתרון שקרוי 'חישוב מקבילי'. אנחנו קוראים לפתרון שלנו 'וירטואליזציה על חישוב מקבילי'. התוכנה שלנו מנהלת את כל בקשות האימון של גוף הפיתוח, מנתחת באופן אוטומטי את המורכבות החישובית של כל עומס העבודה ומבצעת אופטימיזציה של החישובים, לצד הקצאה נכונה יותר של משאבי החומרה של הארגון". 

החברה הוקמה ב-2018 על ידי עמרי גלר, המנכ"ל וד״ר רונן דר, המשמש כסמנכ"ל הטכנולוגיות. השניים הכירו בעת שלמדו לתארים מתקדמים בפקולטה בהנדסת אלקטרוניקה באוניברסיטת תל אביב, תחת הנחייתו של פרופ' מאיר פדר, המשמש בחברה כיועץ בכיר. דר היה בעבר חוקר בבל לאבס (Bell Labs) בארה"ב ומהנדס אלגוריתמים באנוביט ולימים באפל אחרי מכירתה לחברה. גלר שירת ביחידה טכנולוגית במשרד ראש הממשלה. 



תגובות

דלג על התגובות

בשליחת תגובה זו הנני מצהיר שאני מסכים/מסכימה עם תנאי השימוש של אתר TheMarker

סדר את התגובות

כתבות ראשיות באתר

כתבות שאולי פיספסתם

*#