В мире науки и исследований царит постоянная гонка за знаниями. Тысячи статей, горы данных, кропотливый анализ – это ежедневная реальность для исследователей. Но что если представить мир, где искусственный интеллект берет на себя эту тяжелую ношу, освобождая ученых для более глубокой и творческой работы?
Вот именно такую миссию выполняет стартап Reliant, специализирующийся на автоматизации рутинных задач по извлечению данных – той самой “черной работе”, которая поглощает время и энергию молодых исследователей.
Освобождение от Море Научных Ссылок
Представьте: вам нужно проанализировать сотни научных статей, чтобы найти ключевые данные для вашего исследования. Каждая статья – это лабиринт ссылок на предыдущие работы, и отыскать нужную информацию в этом море знаний – задача не из легких. Именно здесь Reliant вступает в игру.
Tabular: Сердце Системы
Ядро Reliant – это платформа Tabular, построенная на базе мощных языковых моделей (LLaMa 3.1), но дополненная собственными запатентованными технологиями. В отличие от общедоступных моделей, которые могут допускать ошибки при извлечении данных, Tabular демонстрирует исключительную точность – абсолютно без погрешностей даже при анализе тысяч научных публикаций.
Это значит, что вы загружаете документы, указываете нужные данные, и Reliant словно опытный ассистент аккуратно извлекает их, независимо от того, насколько четко они структурированы в исходных материалах. Все результаты, включая аналитические выводы, представлены в удобном интерфейсе, позволяя исследователям погрузиться в изучение конкретных случаев.
Проактивное Знание: От Предсказаний к Действию
Reliant не просто реагирует на запросы, он предвосхищает их. Подобно тому, как библиотекарь заранее классифицирует книги по тематикам, чтобы облегчить поиск читателям, Reliant предварительно обрабатывает массивы текстов, выявляя ключевые взаимосвязи, имена персонажей, даты, местоположения и другие важные атрибуты.
“Мы обнаружили, что сложно дать хороший ответ, если у вас ограничено время на его получение,” – поясняет Карл Мориц, генеральный директор Reliant. – “Например, если ученый просит систему выполнить новое задание по извлечению или анализу ста работ, это может быть сделано быстро или качественно, но не и то, и другое сразу. Если заранее предугадать, о чем могут спросить пользователи, и подготовить ответы или предварительные выводы, это значительно ускорит процесс.”
Еще одна уникальная особенность Reliant – способность преодолевать двусмысленности, свойственные научным текстам. В разных областях одно и то же понятие может иметь разные значения. Reliant “переводит” эти нюансы в четкие определения, основываясь на контексте и специфике каждой дисциплины.
Инвестиции и Видение Будущего
Стартап привлек 11,3 миллиона долларов инвестиций от Tola Capital, Inovia Capital и бизнес-ангела Майк Волпи. Reliant выбрал путь владения собственным вычислительным оборудованием, что позволяет оптимизировать работу с ресурсоемкими задачами и гарантировать высокую скорость обработки данных.
В то время как гиганты ИИ, такие как OpenAI и Anthropic, фокусируются на более структурированных задачах, Reliant видит свою нишу в специфических потребностях научных исследований. “Мы строим это дело на прочном фундаменте,” – уверен Марк Беллемар, главный научный сотрудник Reliant. – “Любое улучшение в нашем технологическом арсенале – это плюс для нас. Мы не просто используем LLM, у нас есть собственные модели, созданные с нуля и заточенные под специфику данных из мира науки.”
Reliant уверенно шагает по пути трансформации исследовательской индустрии, делая ее более эффективной и ориентированной на инновации. Их миссия – освободить ученых от рутины, чтобы они могли сосредоточиться на том, что действительно важно: открытии новых знаний и решении глобальных вызовов.
