Вероятно, будут привлечены 9 миллионов долларов на создание более надежных ИИ-систем.

Несмотря на рост мощности больших языковых моделей, галлюцинации остаются серьёзной проблемой. Даже самые современные модели выдают ошибки, и хотя существуют методы их обнаружения, индустрия всё ещё работает над оптимизацией наилучших подходов.
Компания Probably, которая недавно получила 9 миллионов долларов в виде стартового финансирования от Andreessen Horowitz, стремится разработать более надёжный метод обнаружения ошибок.
Основатель компании Питер Элиас (на фото выше) объясняет, что миссия компании — не допускать появления галлюцинаций и фактических ошибок у пользователей, стремясь к точности 99,99%, характерной для детерминистических систем — уровню, которого гораздо сложнее достичь с помощью искусственного интеллекта. По его словам, для реализации этой цели при использовании больших языковых моделей необходимо пересмотреть основные предположения в области инжиниринга ИИ.
Первоначальным продуктом Probably является инструмент для работы с данными, предназначенный для быстрого получения ответов на основе сложных наборов данных. Каждый результат сопровождается ссылкой и записью этапов его формирования — практика, которая всё чаще становится стандартом в инструментах ИИ.
Чтобы предотвратить появление ошибок в этих кратких сводках, компания создала сложную систему поддержки, которую Элиас называет «скафандром для работы с данными». Первоначальные ответы большой языковой модели проверяются детерминистической системой, отвергающей любые результаты, не соответствующие исходному набору данных. Модель обучалась с учётом этого верификатора, а вся система оптимизирована с точки зрения скорости и точности, как утверждает компания.
«Мы поняли, что чем лучше разработана эта система поддержки, тем меньшей мощности требует модель», — говорит Элиас. «Если достаточно точно сформулировать контекст, модели не приходится усиленно стараться для получения правильных результатов. По сути, речь идёт о снижении неоднозначности».
Благодаря этому инструмент Probably может работать с гораздо более простыми моделями ИИ. Элиас отмечает, что текущая версия использует модель, «на четыре класса слабее передовых моделей», что позволяет ей работать на локальном оборудовании — на персональном компьютере, а не в центре обработки данных — тем самым значительно снижая затраты на токены, связанные с использованием ИИ.
Такой подход особенно актуален сейчас, когда стоимость токенов растёт, а многие клиенты пересматривают свои бюджеты на ИИ. Видение Элиаса выходит за рамки работы с данными; тот же двигатель можно адаптировать для таких областей, как бухгалтерский учёт или медицинские услуги — по его словам, «для любых задач, требующих высокой точности».
«Удивительно, что крупные лаборатории ИИ даже не пытались применить этот подход», — говорит Элиас. «У них есть стимулы не делать этого, поскольку они получают прибыль от необходимости постоянных корректировок».
Связанная статья
Завершилась конференция TechCrunch Disrupt 2026
Настал последний день TechCrunch Disrupt 2026, который станет кульминацией насыщенной недели. В третий день в выставочном центре Moscone West в Сан-Франциско, где собрались более 10 000 основателей ст
QueryStory призывает к осторожности в отношении контента, сгенерированного искусственным интеллектом
В 2009 году Шапор Нагибзаде, работая инженером по системному администрированию в Google, открыл для себя силу убедительного повествования. Во время операции «Аврора», когда хакеры, действующие по зака
Разработка кода для ИИ обошлась в 12,15 млн юаней, что на 860 % превысило бюджет: внутренний инцидент в Amazon заставил забить тревогу по поводу затрат компаний на ИИ
Недавно американские СМИ сообщили о значительном превышении бюджета на проекты в области искусственного интеллекта в компании Amazon, где использование инженером модели Claude Sonnet от Anthropic для
Рекомендации по связанным специальным темам
Комментарии (0)

Несмотря на рост мощности больших языковых моделей, галлюцинации остаются серьёзной проблемой. Даже самые современные модели выдают ошибки, и хотя существуют методы их обнаружения, индустрия всё ещё работает над оптимизацией наилучших подходов.
Компания Probably, которая недавно получила 9 миллионов долларов в виде стартового финансирования от Andreessen Horowitz, стремится разработать более надёжный метод обнаружения ошибок.
Основатель компании Питер Элиас (на фото выше) объясняет, что миссия компании — не допускать появления галлюцинаций и фактических ошибок у пользователей, стремясь к точности 99,99%, характерной для детерминистических систем — уровню, которого гораздо сложнее достичь с помощью искусственного интеллекта. По его словам, для реализации этой цели при использовании больших языковых моделей необходимо пересмотреть основные предположения в области инжиниринга ИИ.
Первоначальным продуктом Probably является инструмент для работы с данными, предназначенный для быстрого получения ответов на основе сложных наборов данных. Каждый результат сопровождается ссылкой и записью этапов его формирования — практика, которая всё чаще становится стандартом в инструментах ИИ.
Чтобы предотвратить появление ошибок в этих кратких сводках, компания создала сложную систему поддержки, которую Элиас называет «скафандром для работы с данными». Первоначальные ответы большой языковой модели проверяются детерминистической системой, отвергающей любые результаты, не соответствующие исходному набору данных. Модель обучалась с учётом этого верификатора, а вся система оптимизирована с точки зрения скорости и точности, как утверждает компания.
«Мы поняли, что чем лучше разработана эта система поддержки, тем меньшей мощности требует модель», — говорит Элиас. «Если достаточно точно сформулировать контекст, модели не приходится усиленно стараться для получения правильных результатов. По сути, речь идёт о снижении неоднозначности».
Благодаря этому инструмент Probably может работать с гораздо более простыми моделями ИИ. Элиас отмечает, что текущая версия использует модель, «на четыре класса слабее передовых моделей», что позволяет ей работать на локальном оборудовании — на персональном компьютере, а не в центре обработки данных — тем самым значительно снижая затраты на токены, связанные с использованием ИИ.
Такой подход особенно актуален сейчас, когда стоимость токенов растёт, а многие клиенты пересматривают свои бюджеты на ИИ. Видение Элиаса выходит за рамки работы с данными; тот же двигатель можно адаптировать для таких областей, как бухгалтерский учёт или медицинские услуги — по его словам, «для любых задач, требующих высокой точности».
«Удивительно, что крупные лаборатории ИИ даже не пытались применить этот подход», — говорит Элиас. «У них есть стимулы не делать этого, поскольку они получают прибыль от необходимости постоянных корректировок».
Завершилась конференция TechCrunch Disrupt 2026
Настал последний день TechCrunch Disrupt 2026, который станет кульминацией насыщенной недели. В третий день в выставочном центре Moscone West в Сан-Франциско, где собрались более 10 000 основателей ст
QueryStory призывает к осторожности в отношении контента, сгенерированного искусственным интеллектом
В 2009 году Шапор Нагибзаде, работая инженером по системному администрированию в Google, открыл для себя силу убедительного повествования. Во время операции «Аврора», когда хакеры, действующие по зака
Разработка кода для ИИ обошлась в 12,15 млн юаней, что на 860 % превысило бюджет: внутренний инцидент в Amazon заставил забить тревогу по поводу затрат компаний на ИИ
Недавно американские СМИ сообщили о значительном превышении бюджета на проекты в области искусственного интеллекта в компании Amazon, где использование инженером модели Claude Sonnet от Anthropic для





Дом






