HackerNoon の「スタートアップの裏側」シリーズの独占インタビューでは、ユーザーが独自の AI モデルをトレーニングして所有できるようにするプラットフォームである の創設者兼 CEO である Shashank Yadav 氏にお話を伺いました。AI のバックグラウンドを持ち、ゴールドマン サックスとマイクロソフトのコア マシン ラーニング チームで経験を積んだ Shashank 氏が、自身の歩み、AI の拡張の課題に関する洞察、そして Fraction AI が業界最大のボトルネックである信頼性の高い高品質データにどのように取り組んでいるかについて語ります。Fraction AI が AI 業界に破壊的な変化をもたらし、AI の所有権を民主化している様子を詳しく見てみましょう。 Fraction AI   Ishan Pandey: こんにちは、Shashank。「Behind the Startup」シリーズへようこそ。まずは自己紹介をお願いします。また、Fraction AI を設立したきっかけは何ですか?    : イシャンさん、来られて嬉しいです。私は Shashank、Fraction AI の創設者です。私のバックグラウンドは AI です。インド工科大学デリー校でコンピューターサイエンスを学び、AI 研究に重点を置きました。その後、ゴールドマンサックスのコア ML チームで働き、その後、初期段階のスタートアップ企業に AI 研究者として参加し、その後、AI を定量取引に適用するヘッジファンドに移りました。 Shashank Yadav 私が何度も遭遇した問題は、AI が集中化されつつあるということでした。最も強力なモデルを少数の企業が管理し、他の企業は自社のニーズに合わない既成のバージョンを使い続けていました。しかし、AI は万能ではありません。弁護士にはトレーダーや開発者とは異なるモデルが必要です。最高の AI は専門化されていますが、独自の AI をトレーニングするのはコストがかかりすぎるか複雑すぎます。 それが私が Fraction AI を始めた理由です。これは、誰でも自分の AI モデルを所有し、トレーニングできるプラットフォームです。ユーザーは、セッションで競い合う AI エージェントを作成します。各エージェントは少額の参加費を支払い、タスクに対して可能な限り最高の出力を生成し、LLM によって審査されます。勝者は報酬を獲得し、最高の出力に基づいてモデルが向上します。時間の経過とともに、ユーザーは高度に専門化された AI を構築し、それがさらに改善されていきます。 私たちは、少数の大きなモデルに頼るのではなく、何千もの小規模で専門的なモデルが競争し、学習し、成長するエコシステムを構築しています。AI は単に使用するだけのものではありません。所有して改善するものであるべきです。それが私たちが構築しているものです。  Ishan Pandey: あなたは Microsoft と Goldman Sachs のコア ML チームで働いたことがあります。それらの経験は Fraction AI の構築に対するアプローチにどのように影響しましたか?    : ええ、大学時代には Microsoft の Bing チームでインターンとして働き、検索ランキングの機械学習に取り組みました。それが大規模な AI システムと初めて触れた経験でした。検索とは単に情報を見つけることではなく、ユーザーが本当に求めているものを理解し、結果を効果的にランク付けすることです。AI とは単にスマートなモデルを作ることではなく、それを現実世界で機能させることだと学びました。 Shashank Yadav ゴールドマン・サックスでは、私はコア ML チームに所属し、金融予測のモデルを構築していました。金融の世界では、小さな改善でも重要であり、モデルはミスが大きな損失をもたらす現実世界の状況で常にテストされます。その経験から、制御された環境でうまく機能するだけでなく、信頼性が高く、適応性があり、時間の経過とともに改善される AI を構築する方法を学びました。 その後、ヘッジファンドでクオンツ取引の AI に取り組みました。そこで、競争がいかに強力であるかを知りました。競合する戦略から継続的に適応し学習するモデルは、静的なモデルよりもパフォーマンスが優れている傾向があります。 これらすべてが Fraction AI を形作りました。1 つの完璧な AI を構築するのではなく、現実世界のフィードバックに基づいて AI エージェントが競争し、学習し、改善するシステムを作成しました。最高の AI は孤立して設計されるのではなく、常に他の AI とテストすることで進化します。これが Fraction AI の背後にある考え方です。  Ishan Pandey: AI 業界の最大のボトルネックは、コンピューティング能力やプログラミングではなく、信頼できるデータであるとおっしゃっています。データが本当の制約である理由について詳しく説明していただけますか?    : ええ、その意見に私は強く賛成します。現在の AI モデルは、すでにインターネットの大部分で使用されています。学習できる新しいものがなければ、コンピューティングを増やしても役に立ちません。本当の課題は、新鮮で高品質なデータを入手することです。DeepSeek はこれを理解し、従来のデータセットではなく、純粋な強化学習を使用してモデルをトレーニングしました。彼らは、同じ古いデータで微調整を続けるだけではだめで、新しくて役立つ情報を生成するシステムが必要であることを認識しました。 Shashank Yadav  Fraction AI では、このアイデアをさらに推し進めています。静的なデータセットに頼るのではなく、AI エージェントを現実世界のタスクで競争させます。最高の出力が評価され、改良され、次世代のモデルを改善するために使用されます。分散化されており、常に進化しています。AI は少数の企業だけでなく、すべての人のものであるべきです。それを実現する最善の方法は、新しい高品質のデータを生成して、人々が独自のモデルをトレーニングして改善するシステムを作成することです。AI は閉じ込められるのではなく、現実世界での使用を通じて進化し続けます。  Ishan Pandey: AI の拡張に関して企業が抱く最大の誤解は何ですか? また、Fraction AI はそれをどのように解決しますか?   最大の誤解は、AI のスケーリングとは、より大きなモデルにより多くのコンピューティングを投入することだということです。これは過去にはうまくいきましたが、私たちは壁にぶつかりました。パラメータが増えても、必ずしも結果が良くなるわけではありません。現在、本当のボトルネックとなっているのはコンピューティングではなくデータです。もう 1 つの間違いは、AI は静的であると考えることです。多くの企業は、モデルを一度微調整して「完了」と見なします。しかし、AI はソフトウェアとは異なり、関連性を保つために新しいデータから学習し続ける必要があります。AI が継続的に改善されなければ、遅れを取っています。 Shashank Yadav:  Fraction AI は、AI を自己改善させることでこの問題を解決します。モデルを一度トレーニングしてそれが永遠に機能することを期待するのではなく、AI エージェントが絶えず競争し、最良の出力から学習し、リアルタイムで進化するシステムを作成します。これは、モデルをスケーリングするだけでなく、学習をスケーリングすることです。AI の未来は、最大のモデルを構築することではありません。それは、自ら成長できるシステムを作成することです。それが私たちが構築しているものです。  Ishan Pandey: 大手テクノロジー企業での勤務から独自の AI 企業設立に移行する際に直面した最大の課題は何でしたか?   最大の課題は、技術的な問題の解決から実際の会社の経営へと移行することでした。大手テクノロジー企業ではモデルの構築に重点を置きますが、創業者としては、製品、ユーザー、資金、そして構築するものが実際に重要であることを確認するなど、あらゆることを考えなければなりません。 Shashank Yadav: スタートアップを立ち上げて拡大する方法を理解するために、Y Combinator のコースを視聴するのに多くの時間を費やしました。IIT Delhi には起業家精神の文化が根付いており、すでに一歩を踏み出した尊敬できる人がたくさんいました。それが私に、それが可能だという自信を与えてくれました。Nailwal フェローになったことも、大きな転機となりました。Polygon の共同創設者である Sandeep Nailwal は、Web3 で最も尊敬されている人物の 1 人であり、彼の指導を受けることは非常に有益でした。彼は、オープンで分散化された方法で構築しながら、規模を拡大する方法を知っています。 会社を立ち上げる上で最も難しいのは、技術ではなく、自分のビジョンを現実のものに、実際に人々が使うものに変える方法を見つけることです。以前に同じことをした人から学ぶことは、大きな違いを生みました。  Ishan Pandey: Fraction AI は、自立型 AI エコシステムの構築に重点を置いています。貴社のプラットフォームがどのようにしてスケーラブルで高品質なデータ収集を可能にするのかを詳しく説明していただけますか?    : Fraction AI は、AI は競争と実世界での使用を通じて自ら改善すべきであるという考えに基づいて構築されています。静的なデータセットに頼るのではなく、AI エージェントが大規模なデータを生成、改良、改善するシステムを作成します。仕組みは次のとおりです。ユーザーは、独自のシステム プロンプトとチューニングを備えた AI エージェントを作成します。これらのエージェントは、特定のタスクの出力を生成するセッションで競争します。その応答は LLM 審査員によって採点され、最もパフォーマンスの高いエージェントは報酬を獲得します。このプロセスは継続的に繰り返され、時間の経過とともに AI モデルが改善されるフィードバック ループが作成されます。 Shashank Yadav しかし、私たちはデータを収集するだけではなく、モデルの微調整も行っています。これらの競争から得られた最良の出力はトレーニング プロセスにフィードバックされ、エージェントの進化と特化に役立ちます。ユーザーは複数のセッションを通じてモデルをアップグレードし、よりスマートに、特定のタスクに適したモデルにすることができます。 これにより、高品質のデータ収集とモデルの改善のためのスケーラブルなシステムが構築されます。AI エージェントは、既存のデータセットに頼るのではなく、リアルタイムで検証される最新の関連データを生成します。その結果、AI が静的ではなく、常に学習し、常に改善するエコシステムが実現します。  Ishan Pandey: イノベーション、販売、資金調達のバランスを取ろうとしている AI スタートアップ企業に、どのようなアドバイスをしますか?   重要なのはタイミングです。初期の段階では、イノベーションと販売に同時に焦点を合わせます。人々がそれを望んでいることを証明できるだけの製品が必要ですが、早期に販売を開始する必要があります。完璧を待ってはいけません。誰かにお金を払ってもらえなければ、本当の問題は解決していない可能性があります。 Shashank Yadav: 需要の証拠が少しでもあれば、できるだけ早く資金を調達してください。素晴らしいものを作るには、十分に長く生き残る必要があります。多くのスタートアップは、十分な資金を確保せずに製品に集中しすぎるために失敗します。この時点で希薄化にあまり焦点を当てないでください。スタートアップは、とにかくゼロか 1 かのゲームです。 資金調達後は、販売と継続的なイノベーションが重要になります。収益を拡大しながら、製品を改良し続けてください。販売を継続し、技術を前進させ続けることができれば、先頭に立つことができます。 つまり、需要を証明する → 急速に調達する → 製品を改善しながら売上を拡大する、ということです。 この著者は、当社の HackerNoon はレポートの品質をレビューしましたが、ここでの主張は著者のものです。#DYO 利害関係開示： ビジネスブログプログラム

This story contains new, firsthand information uncovered by the writer.

Hot off the press! This story contains factual information about a recent event.

Winner of Noonies 2020 for the award Hacker Noon Contributor of the Year - DATA.

2020 - Hacker Noon Contributor of the Year in DATA

Read My Stories

このオーディオは、ストーリーの元の言語で制作されています。

Fraction AI が AI の所有権を大衆向けに民主化する方法

About Author

コメント

ラベル

この記事は

Related Stories

クラウド移行を成功させるための完全ガイド: 戦略とベストプラクティス

海を航海する: データレイクを使用した本番環境レベルの RAG アプリケーションの開発

フォーラムからフィードへ: ソーシャルメディアアルゴリズムがデジタルインタラクションを形作る仕組み

AI/ML データレイクのリファレンスアーキテクチャを構築するためのアーキテクトガイド

クラウド移行を成功させるための完全ガイド: 戦略とベストプラクティス

海を航海する: データレイクを使用した本番環境レベルの RAG アプリケーションの開発

フォーラムからフィードへ: ソーシャルメディアアルゴリズムがデジタルインタラクションを形作る仕組み

AI/ML データレイクのリファレンスアーキテクチャを構築するためのアーキテクトガイド

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps