คำแถลงปัญหา

ทีมเล็กๆ ของนักวิจัยปัญญาประดิษฐ์ในปาโลอัลโตได้ก้าวออกมาจากเงามืดในเดือนนี้พร้อมข่าวใหญ่และเป้าหมายที่ยิ่งใหญ่กว่าเดิม NeoCognition ซึ่งก่อตั้งโดยนักวิชาการชั้นนำจากมหาวิทยาลัยรัฐโอไฮโอ ประกาศการระดมทุนแบบซีดในวันที่ 21 เมษายน 2026 จำนวน 40 ล้านดอลลาร์สหรัฐ การระดมทุนที่ได้รับความนิยมเกินเป้ามาจากการสนับสนุนจากผู้ลงทุนที่มีความเชี่ยวชาญซึ่งต้องการผลักดันปัญญาประดิษฐ์ให้ก้าวพ้นเครื่องมือที่พูดเก่งแต่มักไม่คล่องแคล่วในปัจจุบัน

 

NeoCognition ต้องการแก้ไขจุดอ่อนหลักของตัวแทน AI ปัจจุบัน นั่นคือความสามารถในการจัดการงานระดับผู้เชี่ยวชาญอย่างเชื่อถือได้ โดยการสร้างระบบที่เรียนรู้อย่างต่อเนื่องในระหว่างการทำงาน สร้างแบบจำลองรายละเอียดของสภาพแวดล้อมที่ทำงาน และกลายเป็นผู้เชี่ยวชาญเฉพาะทางเหมือนมนุษย์ที่เชี่ยวชาญในอาชีพใหม่

หยูซู รองศาสตราจารย์จากมหาวิทยาลัยโอไฮโอ สเตท และผู้ได้รับทุนการวิจัย Sloan ปี 2025 ใช้เวลาหลายปีในการพัฒนาเครื่องมือพื้นฐานสำหรับตัวแทน AI ก่อนที่ ChatGPT จะดึงดูดความสนใจของสาธารณชน ทีมของเขาได้สร้างโครงการที่มีอิทธิพล เช่น Mind2Web, MMMU และ SeeAct ซึ่งกำหนดวิธีการที่โมเดลภาษาขนาดใหญ่สมัยใหม่จัดการกับการวางแผน การรับรู้ และการกระทำ การมีส่วนร่วมเหล่านี้ปรากฏอยู่ในระบบของ OpenAI, Anthropic และ Google ณ ปัจจุบัน

 

ซูและผู้ร่วมก่อตั้งอีกสองคน ซิแอ่ง เติง และหยู กู ตัดสินใจว่าถึงเวลาแล้วที่จะแยกงานวิจัยของพวกเขาออกมาเป็นบริษัท พวกเขาจึงย้ายไปยังซิลิคอนแวลลีย์และรวบรวมทีมนักวิจัยระดับปริญญาเอกประมาณ 15 คนที่มุ่งเน้นเฉพาะด้านเอเจนต์ งานช่วงแรกของห้องปฏิบัติการได้ครอบคลุมองค์ประกอบสำคัญต่างๆ เช่น หน่วยความจำ การวางแผน การประเมินผล และความปลอดภัย นักลงทุนเห็นศักยภาพของทีมที่มีความสามารถลึกซึ้งจึงดำเนินการอย่างรวดเร็ว การระดมทุน 40 ล้านดอลลาร์สหรัฐนี้ให้ทีมมีเวลาเพียงพอในการแปลงความก้าวหน้าทางวิชาการให้เป็นระบบที่สามารถปรับปรุงตัวเองได้และองค์กรต่างๆ สามารถไว้วางใจใช้งานได้จริง

 

พื้นหลังของซูรวมถึงประสบการณ์การทำงานที่ Microsoft Semantic Machines ในการพัฒนาปัญญาประดิษฐ์เพื่อการสนทนา พร้อมปริญญาจากมหาวิทยาลัยชิงฮวาและมหาวิทยาลัยแคลิฟอร์เนีย แซนตาบาร์บารา ประวัติการได้รับรางวัลบทความที่ดีที่สุดจากการประชุมชั้นนำเช่น CVPR และ ACL ทำให้ผู้สนับสนุนมั่นใจว่า NeoCognition สามารถแก้ไขปัญหาที่ยากลำบากในวงการนี้ได้ ผู้ก่อตั้งได้นำประสบการณ์รวมกว่า 30 ปีในการวิจัยตัวแทน มาสร้างสตาร์ทอัพให้เป็นห้องปฏิบัติการวิจัยบริสุทธิ์ที่มีเป้าหมายเชิงพาณิชย์

ตัวแทน AI จำนวนมากในปัจจุบันมีปัญหาเรื่องความสม่ำเสมอเมื่อถูกขอให้ดำเนินงานที่ซับซ้อน รายงานแสดงว่าพวกมันประสบความสำเร็จเพียงประมาณครึ่งหนึ่งของเวลา ทำให้ผู้ใช้ต้องคอยดูแลผลลัพธ์หรือปรับแต่งด้วยมืออย่างหนัก ช่องว่างนี้ปรากฏขึ้นในเครื่องมือที่พยายามเขียนโค้ด ท่องเว็บ หรืออัตโนมัติกระบวนการทำงาน ผู้ใช้จึงต้องตัดสินใจเสี่ยงทุกครั้งที่นำมันไปใช้งาน

 

NeoCognition มุ่งเป้าไปที่จุดเจ็บนี้โดยตรง ตัวแทนทั่วไปทำได้ดีในการตอบสนองในขอบเขตกว้าง แต่ล้มเหลวเมื่อความลึกและความน่าเชื่อถือมีความสำคัญ พวกเขามีกลไกไม่เพียงพอในการปรับตัวอย่างลึกซึ้งกับบริบทเฉพาะ เช่น ชุดซอฟต์แวร์ภายในบริษัทหรือกระบวนการทางธุรกิจในอุตสาหกรรม ผลลัพธ์คือ องค์กรต่างๆ ลังเลที่จะมอบหมายหน้าที่ที่มีความเสี่ยงสูง บริษัทสตาร์ทอัพเชื่อว่าทางไปข้างหน้าอยู่ที่การให้ตัวแทนมีความยืดหยุ่นเหมือนมนุษย์เมื่อเข้าสู่งานหรือสาขาใหม่

 

โดยการเน้นการเรียนรู้อย่างต่อเนื่องแทนการฝึกอบรมเพียงครั้งเดียว บริษัทหวังว่าจะเพิ่มอัตราความสำเร็จและลดความจำเป็นในการดูแลโดยมนุษย์อย่างต่อเนื่อง การเปลี่ยนแปลงนี้อาจเปิดโอกาสให้เกิดตัวแทนที่รู้สึกเหมือนเพื่อนร่วมงานที่มีความสามารถ มากกว่าสคริปต์ที่อ่อนแอ

แนวคิดหลักของ NeoCognition ดึงมาจากกระบวนการเรียนรู้ของมนุษย์ เมื่อผู้คนเริ่มบทบาทใหม่ พวกเขาค่อยๆ สร้างแผนที่ภายในเกี่ยวกับสิ่งที่มีอยู่ในสภาพแวดล้อมนั้น ว่าการกระทำใดได้ผล กฎใดใช้ได้ และผลลัพธ์ใดจะตามมาจากการตัดสินใจต่างๆ ตามเวลาที่ผ่านไป แบบจำลองทางจิตใจนี้ช่วยให้การตัดสินใจเร็วขึ้น การตัดสินที่ดีขึ้น และการแก้ปัญหาอย่างสร้างสรรค์ภายในโลกย่อยนั้น

 

สตาร์ทอัพออกแบบเอเจนต์เพื่อทำสิ่งที่คล้ายกันผ่านประสบการณ์อิสระ แทนที่จะพึ่งพาข้อมูลการฝึกอบรมเบื้องต้นขนาดใหญ่เพียงอย่างเดียว ระบบที่เหล่านี้เรียนรู้โครงสร้าง กระบวนการทำงาน และข้อจำกัดของโดเมนใดๆ ที่พวกมันทำงานอยู่ พวกมันสร้าง “โมเดลโลก” ที่จับความสัมพันธ์และกลไกเฉพาะของอาชีพ องค์กร หรือสภาพแวดล้อมซอฟต์แวร์ กระบวนการนี้เกิดขึ้นระหว่างการทำงาน ทำให้เอเจนต์สามารถเชี่ยวชาญได้อย่างรวดเร็วโดยไม่ต้องมีการวิศวกรรมแบบกำหนดเองอย่างกว้างขวาง

 

ซูอธิบายความขนานนี้อย่างชัดเจน: กระบวนการเรียนรู้อย่างต่อเนื่องในมนุษย์โดยพื้นฐานแล้วสร้างแบบจำลองโลกสำหรับอาชีพหรือสภาพแวดล้อมใดๆ ตัวแทนจำเป็นต้องมีความสามารถเดียวกันนี้เพื่อไปถึงระดับผู้เชี่ยวชาญ เมื่อสร้างขึ้นแล้ว แบบจำลองนี้จะทำให้การกระทำเร็วขึ้น ถูกกว่า และเชื่อถือได้มากขึ้น นอกจากนี้ยังสนับสนุนพฤติกรรมที่ปลอดภัยยิ่งขึ้นในสภาพแวดล้อมที่ละเอียดอ่อน เพราะตัวแทนเข้าใจผลลัพธ์และขอบเขตได้ดียิ่งขึ้น กลไกนี้แตกต่างจากตัวแทนทั่วไปแบบคงที่ที่ไม่เปลี่ยนแปลงหลังจากการเปิดใช้งาน ตัวแทนของ NeoCognition ยังคงพัฒนาต่อไปผ่านการใช้งาน แปลงความสามารถทั่วไปเริ่มต้นให้กลายเป็นความชำนาญเชิงลึกที่ตระหนักถึงบริบท

อุตสาหกรรมปัญญาประดิษฐ์ได้ระดมทรัพยากรเพื่อพัฒนาโมเดลพื้นฐานที่มีขนาดใหญ่ขึ้นเรื่อยๆ เพื่อพยายามจัดการทุกอย่าง แต่ NeoCognition มีมุมมองที่ตรงกันข้าม พวกเขาเชื่อว่าอนาคตจะเป็นของตัวแทนเฉพาะทางจำนวนมาก แทนที่จะเป็นตัวแทนยักษ์เพียงตัวเดียว แต่ละตัวจะเชี่ยวชาญในโลกที่แคบของตนเองอย่างลึกซึ้ง เพื่อให้สามารถให้ประสิทธิภาพ ความน่าเชื่อถือ และการตัดสินใจในระดับผู้เชี่ยวชาญ

 

ระบบทั่วไปจะถึงจุดที่การเพิ่มข้อมูลหรือพารามิเตอร์เพิ่มเติมจะให้ผลตอบแทนที่ลดลงในงานจริงที่ต้องการความละเอียดอ่อนและความสม่ำเสมอ การเชี่ยวชาญผ่านประสบการณ์จริงเสนอทางเลือกที่มีประสิทธิภาพมากกว่าในการบรรลุประสิทธิภาพสูง ตัวแทนสามารถมุ่งความพยายามด้านการคำนวณไปที่การเข้าใจสภาพแวดล้อมหนึ่งอย่างลึกซึ้ง ซึ่งนำไปสู่ผลลัพธ์ที่ดีขึ้นด้วยต้นทุนระยะยาวที่ต่ำกว่า

 

วิธีการนี้ยังช่วยขยายความเชี่ยวชาญในรูปแบบที่มนุษย์ไม่สามารถทำได้ ขณะที่ผู้เชี่ยวชาญระดับสูงยังคงมีจำนวนน้อยและมีค่าใช้จ่ายสูง ตัวแทนที่เรียนรู้ด้วยตนเองสามารถทำให้ความรู้ระดับโดเมนเข้าถึงได้ทั่วทั้งองค์กร โดยไม่ต้องเผชิญกับข้อจำกัดด้านการจ้างงานเดียวกัน บริษัทมีเป้าหมายที่จะขยายการเข้าถึงความเชี่ยวชาญ เพื่อให้ผู้คนและทีมต่างๆ ได้รับประโยชน์จากความสามารถขั้นสูงยิ่งขึ้น

วิสตา อีควิตี้ พาร์ทเนอร์ส เข้าร่วมรอบการระดมทุนนี้บางส่วนเนื่องจากมีพอร์ตโฟลิโอบริษัทซอฟต์แวร์จำนวนมาก นีโอซิโกนิชันมองเห็นศักยภาพที่แข็งแกร่งในการร่วมมือกับแพลตฟอร์ม SaaS ที่มีอยู่แล้วเพื่อผสานรวมเอเจนต์ที่เรียนรู้ด้วยตนเอง เอเจนต์เหล่านี้สามารถอัปเกรดผลิตภัณฑ์ที่มีอยู่หรือทำหน้าที่เป็นพนักงานอัตโนมัติภายในเครื่องมือที่บริษัทใช้อยู่แล้ว

 

องค์กรมักดำเนินสภาพแวดล้อมที่ซับซ้อนและกำหนดเองพร้อมกฎและไหล่ข้อมูลที่เป็นเอกลักษณ์ ตัวแทนทั่วไปจะทำงานได้ยากโดยไม่มีการปรับแต่งอย่างหนัก ระบบของ NeoCognition เรียนรู้รายละเอียดเหล่านี้โดยตรงผ่านการมีปฏิสัมพันธ์ ลดเวลาในการตั้งค่าและปรับให้เหมาะสมมากขึ้น ภายในระยะเวลาหลายสัปดาห์หรือหลายเดือนของการใช้งาน ตัวแทนจะปรับปรุงแบบจำลองโลกของตนเองและมีประสิทธิภาพมากขึ้นในการทำงานต่างๆ เช่น การประมวลผลข้อมูล การตรวจสอบการปฏิบัติตามกฎระเบียบ หรือการอัตโนมัติของกระบวนการทำงาน

 

บริษัทสตาร์ทอัพนี้กำหนดตัวเองเป็นห้องปฏิบัติการตัวแทนมากกว่าแพลตฟอร์มปัญญาประดิษฐ์แบบกว้างๆ การมุ่งเน้นนี้ช่วยให้สามารถจัดสรรทรัพยากรไปที่ชั้นการเรียนรู้และการเชี่ยวชาญ ซึ่งผู้เล่นอื่นๆ ส่วนใหญ่มองว่าเป็นเรื่องรอง การกระจายตัวในระยะเริ่มต้นผ่านพันธมิตรซอฟต์แวร์องค์กรอาจเร่งการรับรองและให้ข้อมูลจริงที่มีคุณค่าสำหรับการปรับปรุงเพิ่มเติม

Cambium Capital และ Walden Catalyst Ventures ร่วมนำการระดมทุน 40 ล้านดอลลาร์สหรัฐ โดยมี Vista Equity Partners เข้าร่วมพร้อมกับนักลงทุนรายใหญ่หลายราย ลิป-บู แทน ซีอีโอของ Intel และไอออน สโตอิคา ผู้ร่วมก่อตั้ง Databricks ได้เพิ่มชื่อและผู้เชี่ยวชาญของตนเข้าร่วม ผู้สนับสนุนรายอื่นๆ ได้แก่นักวิจัยด้านปัญญาประดิษฐ์ เช่น ดอน ซอง รุสลัน ซาลาคุตดินอฟ และลูค เซตเทลโมร์

 

แลนดอน ดาวน์ส จากแคมเบียม ชี้ให้เห็นกลไกการเรียนรู้แบบใหม่ที่เป็นหัวใจของบริษัทซึ่งช่วยให้เชี่ยวชาญได้อย่างรวดเร็ว ลิป-บู แทน ชื่นชมทีมงานที่ครอบคลุมความท้าทายของเอเจนต์อย่างครบถ้วนตั้งแต่การรับรู้จนถึงความปลอดภัย อิออน สโตอิคา ระบุว่าเมื่อเอเจนต์ทั่วไปกลายเป็นมาตรฐาน การทดสอบที่แท้จริงจะเปลี่ยนไปเป็นการบรรลุปัญญาในระดับผู้เชี่ยวชาญที่มีความน่าเชื่อถือเพียงพอสำหรับการใช้งานที่จริงจัง

 

รอบการระดมทุนที่มีผู้สนใจเกินความต้องการสะท้อนความเชื่อมั่นอย่างแข็งแกร่งในประวัติการวิจัยของทีมผู้ก่อตั้ง ด้วยทีมงานประมาณ 15 คน NeoCognition ดำเนินงานอย่างคล่องตัวแต่มีความหนาแน่นของความสามารถพิเศษ สินทรัพย์ที่ระดมได้จะสนับสนุนการทดลองลึกขึ้นและการรับบุคลากรเพื่อผลักดันสถาปัตยกรรมการเรียนรู้ด้วยตนเองให้ก้าวหน้า

บริษัทหลายแห่งกำลังสำรวจตัวแทน AI แต่ส่วนใหญ่ยังคงพึ่งพาการฝึกซ้ำเป็นระยะหรือคำสั่งที่มนุษย์สร้างขึ้นเพื่อปรับปรุง นีโอซิโกนิชันเน้นกระบวนการภายในที่เป็นอิสระ โดยตัวแทนจะสร้างและปรับปรุงความเข้าใจของตนเองโดยไม่ต้องได้รับการแทรกแซงจากภายนอกอย่างต่อเนื่อง การออกแบบนี้มีเป้าหมายเพื่อสร้างความยืดหยุ่นที่แท้จริง คือความสามารถในการปรับตัวอย่างรวดเร็วต่อบริบทใหม่ๆ เหมือนพนักงานใหม่ที่มีแรงจูงใจ

 

การเน้นที่แบบจำลองโลกของสภาพแวดล้อมเชิงนามธรรม โครงสร้าง และการดำเนินการนั้นเกินกว่าการรับรู้บนหน้าจอหรือการใช้เครื่องมือพื้นฐาน เพียงเท่านั้น ตัวแทนเรียนรู้ว่าอะไรสำคัญในโลกย่อยที่กำหนด องค์ประกอบต่างๆ มีปฏิสัมพันธ์กันอย่างไร และการกระทำใดนำไปสู่ผลลัพธ์ที่ต้องการ ความรู้ที่มีโครงสร้างนี้สนับสนุนการวางแผนที่ดีขึ้นและลดข้อผิดพลาดลงตามเวลา

 

ผู้ก่อตั้งเน้นย้ำว่าระบบของพวกเขาเสริมสร้างงานของมนุษย์ ไม่ใช่แทนที่งานของมนุษย์ โดยการจัดการงานที่ซ้ำซากหรือซับซ้อนที่ต้องทำเป็นกิจวัตรด้วยความเชี่ยวชาญที่เพิ่มขึ้น ตัวแทนช่วยให้ผู้คนสามารถมุ่งเน้นไปที่ความคิดสร้างสรรค์และกลยุทธ์ระดับสูงกว่าเป้าหมายอยู่ที่การยกระดับศักยภาพโดยรวมของทีมและองค์กร

ยู ซู และผู้ร่วมก่อตั้งคนอื่นๆ ได้รับแรงบันดาลใจจากการปรับตัวของมนุษย์ในชีวิตประจำวัน ดูคนที่เริ่มต้นเป็นนักวิเคราะห์ระดับjunior หรือผู้ฝึกงานด้านการค้า ภายในไม่กี่เดือน พวกเขาจะพัฒนาความเข้าใจเชิงสัญชาตญาณเกี่ยวกับกฎที่ไม่ได้เขียนไว้ วิธีลัด และอุปสรรคในสาขาของตน แบบจำลองภายในนี้ขับเคลื่อนประสิทธิภาพและการตัดสินใจที่ดี NeoCognition ต้องการให้ตัวแทนเดินตามเส้นทางที่คล้ายกันผ่านการเรียนรู้ที่มีจุดมุ่งหมายและขับเคลื่อนด้วยประสบการณ์

 

ทีมงานมีความหลงใหลส่วนตัวในวิสัยทัศน์นี้ หลายคนมาจากห้องปฏิบัติการทางวิชาการที่พวกเขาได้เห็นต้นแบบตัวแทนที่มีศักยภาพล้มเหลวเมื่อเผชิญกับความซับซ้อนจริง ความผิดหวังจากผลลัพธ์ที่ไม่สม่ำเสมอได้ผลักดันให้เปลี่ยนมาสู่การเชิงพาณิชย์ด้วยจุดมุ่งหมายที่ชัดเจนในการปรับปรุงอย่างต่อเนื่อง

 

พนักงานรุ่นแรกประกอบด้วยนักวิจัยที่มีส่วนร่วมในการเขียนเอกสารพื้นฐานที่ใช้กันทั่วอุตสาหกรรมปัจจุบัน ความรู้ร่วมกันของพวกเขาสร้างสภาพแวดล้อมที่อุดมสมบูรณ์สำหรับการพัฒนาและปรับปรุงกลไกการเรียนรู้ สำนักงานใหญ่ที่ปาโลอัลโตช่วยให้ทีมอยู่ใกล้ชิดกับบุคลากรและพันธมิตร พร้อมรักษาวัฒนธรรมที่เน้นการวิจัยเป็นอันดับแรก

หาก NeoCognition ประสบความสำเร็จ องค์กรสามารถนำตัวแทนที่เติบโตขึ้นเป็นผู้เชี่ยวชาญที่เชื่อถือได้ในด้านบัญชี การทบทวนการออกแบบ กระบวนการทำงานด้านการสนับสนุนลูกค้า หรือการวิเคราะห์ข้อมูลทางวิทยาศาสตร์ มาใช้งานได้ ระบบที่ว่านี้จะไม่จำเป็นต้องเขียนโปรแกรมใหม่ทุกครั้งสำหรับลูกค้าหรือแผนกใหม่ แต่จะปรับตัวโดยการสร้างแบบจำลองที่แม่นยำของสภาพแวดล้อมเป้าหมาย

 

ความสามารถนี้อาจทำให้การเข้าถึงการสนับสนุนระดับผู้เชี่ยวชาญเป็นไปอย่างเท่าเทียมมากขึ้น ทีมหรือภูมิภาคขนาดเล็กที่เผชิญกับการขาดแคลนทรัพยากรบุคคลอาจได้รับเครื่องมือที่มีประสิทธิภาพในระดับที่ก่อนหน้านี้มีให้เฉพาะกับกลุ่มที่มีทรัพยากรเพียงพอ เอฟเฟกต์ทางเศรษฐกิจอาจรวมถึงผลิตภาพที่สูงขึ้นและวัฏจักรการสร้างนวัตกรรมที่เร็วขึ้น เนื่องจากงานทางปัญญาที่เป็นเรื่องปกติถูกโอนไปยังระบบที่มีความสามารถและสามารถพัฒนาตนเองได้

 

วิธีการนี้ยังช่วยแก้ไขข้อกังวลเรื่องความปลอดภัย การเข้าใจสิ่งแวดล้อมอย่างลึกซึ้งช่วยให้ตัวแทนสามารถรับรู้ขอบเขตและหลีกเลี่ยงการกระทำที่เป็นอันตรายในโดเมนที่มีความเสี่ยงสูง ประโยชน์ด้านความน่าเชื่อถือมีความสำคัญที่สุดในบริบทที่ข้อผิดพลาดมีต้นทุนจริง

การสร้างวงจรการเรียนรู้ด้วยตนเองที่มั่นคงนั้นเผชิญอุปสรรคทางเทคนิค ตัวแทนต้องสามารถแยกแยะรูปแบบที่มีประโยชน์ออกจากสัญญาณรบกวน หลีกเลี่ยงการเสริมแรงข้อผิดพลาด และรักษาความเสถียรขณะอัปเดตโมเดลโลกของตนเอง การสมดุลระหว่างการสำรวจกลยุทธ์ใหม่กับการดำเนินการอย่างเชื่อถือได้ต้องการสถาปัตยกรรมที่ระมัดระวัง ประสิทธิภาพในการใช้ข้อมูลก็มีความสำคัญเช่นกัน มนุษย์เรียนรู้จากตัวอย่างจำกัดในสถานการณ์ใหม่ การขยายประสิทธิภาพนี้ให้เกิดขึ้นในระบบเซมิคอนดักเตอร์ยังคงเป็นคำถามวิจัยที่ยังไม่มีคำตอบ 

 

ทีมของ NeoCognition ใช้ผลงานก่อนหน้าในการประเมินและความจำเพื่อจัดการกับปัญหาเหล่านี้ แต่การทดสอบในโลกจริงในระดับใหญ่จะเปิดเผยช่องว่างต่างๆ บริษัทยังคงมุ่งเน้นไปที่ความก้าวหน้าที่วัดได้เพื่อเพิ่มอัตราความสำเร็จและเร่งการเชี่ยวชาญ ความก้าวหน้ามีแนวโน้มจะเกิดขึ้นอย่างค่อยเป็นค่อยไปเมื่อตัวแทนพบกับสภาพแวดล้อมองค์กรที่หลากหลายและปรับปรุงกระบวนการเรียนรู้ของตน

NeoCognition มองโลกที่ความเชี่ยวชาญจะกลายเป็นเรื่องทั่วไปผ่านตัวแทนการเรียนรู้ด้วยตนเอง แทนที่จะแข่งขันกับมนุษย์ ระบบที่เหล่านี้ช่วยเสริมศักยภาพและเปิดโอกาสใหม่ๆ ในการคิดค้นและแก้ปัญหา ตัวแทนแต่ละตัวลึกซึ้งขึ้นในความเชี่ยวชาญเฉพาะด้าน สร้างเครือข่ายของปัญญาเฉพาะทางที่ตอบสนองความต้องการที่หลากหลาย การระดมทุน 40 ล้านดอลลาร์สหรัฐเร่งการวิจัยเกี่ยวกับกลไกการเรียนรู้ที่ทำให้วิสัยทัศน์นี้เป็นไปได้ 

 

ด้วยการสนับสนุนจากนักลงทุนที่แข็งแกร่งและทีมแกนหลักที่มีความสามารถ สตูดิโอมีเป้าหมายเพื่อพัฒนาเอเจนต์ที่สร้างความเชื่อมั่นผ่านประสิทธิภาพที่สม่ำเสมอและพัฒนาอย่างต่อเนื่อง องค์กรและนักพัฒนาอาจได้ทดสอบระบบในไม่ช้าที่เริ่มต้นด้วยความสามารถพื้นฐานและเติบโตเป็นผู้เชี่ยวชาญอย่างแท้จริงตามเวลา การพัฒนานี้อาจเป็นก้าวสำคัญที่ก้าวข้ามผู้ช่วย AI ในปัจจุบันไปสู่พันธมิตรที่เรียนรู้ไปพร้อมกับผู้ใช้อย่างแท้จริง

ทุนใหม่นี้สนับสนุนการทดลองที่กว้างขึ้นเกี่ยวกับอัลกอริธึมการเรียนรู้หลักและการสร้างโมเดลโลก ด้วยทีมงานขนาดเล็กแต่เป็นผู้เชี่ยวชาญ NeoCognition สามารถดำเนินแนวทางที่มีความเสี่ยงสูงแต่ผลตอบแทนสูงในด้านความยืดหยุ่นของตัวแทน แผนงานรวมถึงการทดสอบการผสานรวมอย่างลึกซึ้งภายในบริบทองค์กร เพื่อรวบรวมข้อเสนอแนะและข้อมูลสำหรับการปรับปรุง

 

ผู้สนับสนุนคาดหวังว่าการระดมทุนจะนำไปสู่การสร้างต้นแบบที่แสดงให้เห็นถึงข้อได้เปรียบที่ชัดเจนในด้านความน่าเชื่อถือและความเร็วในการปรับตัว ความสำเร็จในจุดนี้อาจดึงดูดการระดมทุนเพิ่มเติมและความร่วมมือที่กว้างขวางยิ่งขึ้น แนวทางที่เน้นการวิจัยช่วยให้บริษัทยังคงอยู่บนพื้นฐานของการประเมินอย่างเข้มงวด แทนที่จะผลักดันผลิตภัณฑ์ก่อนเวลาอันควร

สภาพแวดล้อมซอฟต์แวร์องค์กรเสนอสภาพแวดล้อมการทดสอบที่อุดมสมบูรณ์ด้วยกฎที่มีโครงสร้างแต่ซับซ้อน ตัวแทนจะพบกับกระบวนการทำงาน รูปแบบข้อมูล และข้อกำหนดด้านการปฏิบัติตามกฎหมายที่หลากหลาย การเรียนรู้ที่จะจัดการกับสิ่งเหล่านี้อย่างประสบความสำเร็จจะยืนยันแนวคิดของโมเดลโลกและชี้ให้เห็นพื้นที่ที่ต้องปรับปรุง

 

ข้อเสนอแนะจากผู้ใช้ในการทดลองเบื้องต้นจะช่วยปรับสมดุลระหว่างความเร็ว ความแม่นยำ และความปลอดภัยของตัวแทน บริษัทเน้นการพัฒนาอย่างรับผิดชอบ โดยใช้ความเข้าใจด้านสิ่งแวดล้อมเพื่อชี้นำการกระทำที่ปลอดภัยยิ่งขึ้น ตามเวลาที่ผ่านไป การใช้งานจริงเหล่านี้ควรสร้างตัวแทนที่รู้สึกเป็นธรรมชาติและเชื่อถือได้มากขึ้นในการดำเนินงานประจำวัน

เงินจำนวนมหาศาลตอนนี้ไหลเข้าสู่ชั้นแอปพลิเคชันและความน่าเชื่อถือ แทนที่จะเน้นเฉพาะการฝึกโมเดลขั้นสูงเท่านั้น รอบการระดมทุนของ NeoCognition สะท้อนความสนใจของนักลงทุนต่อทีมที่มีผลงานทางวิชาการที่พิสูจน์แล้วในด้านเอเจนต์ การเดิมพันอยู่ที่การเชี่ยวชาญเฉพาะทางและการเรียนรู้อย่างต่อเนื่อง ซึ่งเป็นขอบเขตถัดไปสำหรับผลกระทบเชิงปฏิบัติ

 

รูปแบบนี้บ่งชี้ถึงความคาดหวังที่สุกงอมขึ้นในวงการ ผู้สนับสนุนต้องการระบบที่สามารถสร้างคุณค่าที่วัดได้ในสภาพแวดล้อมจริง ไม่ใช่แค่การสาธิตที่น่าประทับใจ การเน้นย้ำของ NeoCognition ที่มุ่งไปที่การพัฒนาตนเองสอดคล้องกับความต้องการของตัวแทนที่สามารถพิสูจน์ศักยภาพในการนำไปใช้ในองค์กรผ่านความสามารถที่เพิ่มขึ้นและต้นทุนระยะยาวที่ลดลง

1. วิธีการของ NeoCognition ในการพัฒนาตัวแทน AI แตกต่างจากระบบส่วนใหญ่ในปัจจุบันอย่างไร? 

 

บริษัทสร้างตัวแทนที่เรียนรู้อย่างต่อเนื่องผ่านงานจริง โดยการสร้างแบบจำลองโลกของสภาพแวดล้อมเฉพาะของตน ซึ่งช่วยให้พวกเขาเชี่ยวชาญได้อย่างรวดเร็ว แก้ไขปัญหาความไม่สม่ำเสมอที่จำกัดตัวแทนทั่วไปในปัจจุบัน ซึ่งมักประสบความสำเร็จเพียงประมาณครึ่งหนึ่งในงานที่ซับซ้อน

 

2. ใครเป็นผู้ก่อตั้ง NeoCognition และพื้นหลังของพวกเขาโดดเด่นอย่างไร? 

 

ยู ซู เซียง เดิง และยู กู่ ก่อตั้งห้องปฏิบัติการนี้ ซู ซึ่งเป็นนักวิจัยของ Sloan และศาสตราจารย์จากมหาวิทยาลัยโอไฮโอ สเตท ก่อนหน้านี้เคยนำการวิจัยด้านเอเจนต์ที่มีอิทธิพลและเคยทำงานที่ไมโครซอฟต์ด้านปัญญาประดิษฐ์เพื่อการสนทนา ผลงานและเครื่องมือร่วมกันของพวกเขาได้ส่งผลกระทบต่อผู้พัฒนาปัญญาประดิษฐ์รายใหญ่ ทำให้ทีมมีความเชี่ยวชาญลึกซึ้งในด้านการรับรู้ การวางแผน และความปลอดภัย

 

3. การระดมทุน 40 ล้านดอลลาร์จะใช้ไปเพื่ออะไร? 

 

ทุนนี้สนับสนุนการขับเคลื่อนเชิงวิจัยเพื่อพัฒนาและทดสอบกลไกการเรียนรู้ด้วยตนเอง ด้วยทีมงานนักวิจัยระดับปริญญาเอกจำนวนน้อย ทุนนี้ช่วยให้สามารถปรับปรุงอย่างรวดเร็วในด้านการสร้างโมเดลโลก อัลกอริทึมเฉพาะทาง และการทดลองบูรณาการในระดับองค์กร พร้อมดึงดูดบุคลากรที่มีความสามารถเพิ่มเติม

 

4. ตัวแทนที่เรียนรู้ด้วยตนเองเหล่านี้สามารถทำงานในสภาพแวดล้อมองค์กรที่มีความเสี่ยงสูงได้ทันทีหรือไม่? 

 

รุ่นแรกๆ จะต้องได้รับการตรวจสอบอย่างระมัดระวัง แต่การออกแบบเน้นการสร้างความเข้าใจด้านสิ่งแวดล้อมเพื่อเพิ่มความน่าเชื่อถือและความปลอดภัย เป้าหมายคือการสร้างตัวแทนที่จะมีความน่าเชื่อถือมากขึ้นตามเวลาที่ใช้งาน ทำให้เหมาะสมกับกระบวนการทำงานที่ความสม่ำเสมอสำคัญ

 

5. เทคโนโลยีของ NeoCognition อาจส่งผลกระทบต่อผู้ทำงานด้านความรู้อย่างไร? 

 

ตัวแทนสามารถจัดการส่วนงานที่เป็นเรื่องปกติหรือมีข้อมูลจำนวนมาก ทำให้ผู้คนสามารถมุ่งเน้นไปที่งานที่สร้างสรรค์และเชิงกลยุทธ์ได้ โดยการเพิ่มการเข้าถึงความเชี่ยวชาญเฉพาะทาง ระบบเหล่านี้อาจช่วยให้ทีมหรือองค์กรขนาดเล็กสามารถเข้าถึงศักยภาพที่เคยจำกัดอยู่เฉพาะกับกลุ่มผู้เชี่ยวชาญขนาดใหญ่ ซึ่งอาจช่วยเพิ่มผลผลิตโดยรวม

 

6. ผมสามารถเรียนรู้เพิ่มเติมเกี่ยวกับความคืบหน้าของ NeoCognition ได้ที่ไหน? 

 

เยี่ยมชมเว็บไซต์อย่างเป็นทางการเพื่อรับข้อมูลอัปเดตเกี่ยวกับภารกิจและทิศทางการวิจัยของพวกเขา การรายงานข่าวจาก TechCrunch และประกาศข่าวของบริษัทเป็นจุดเริ่มต้นที่ดีในการทำความเข้าใจเกี่ยวกับการระดมทุนและวิสัยทัศน์ทางเทคนิค

เนื้อหานี้มีจุดประสงค์เพื่อให้ข้อมูลเท่านั้น และไม่ถือเป็นคำแนะนำด้านการลงทุน การลงทุนในคริปโตเคอเรนซีมีความเสี่ยง โปรดทำการวิจัยด้วยตัวเอง (DYOR)

 

คำปฏิเสธความรับผิดชอบ: หน้านี้แปลโดยใช้เทคโนโลยี AI (ขับเคลื่อนโดย GPT) เพื่อความสะดวกของคุณ สำหรับข้อมูลที่ถูกต้องที่สุด โปรดดูต้นฉบับภาษาอังกฤษ