ಫಾರ್ಮಲ್ ವೆರಿಫಿಕೇಶನ್ ಮೂಲಕ AI ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಪರಿಹರಿಸಲು Pramaana Labs $27M ಹಣವನ್ನು ಪಡೆಯಿತು
ಉದ್ಯಮಗಳು AI ಅನ್ನು ಪ್ರಾಯೋಗಿಕ ಪೈಲಟ್ ಕಾರ್ಯಕ್ರಮಗಳಿಂದ ಪ್ರಮುಖ ವ್ಯವಹಾರ ಕಾರ್ಯಾಚರಣೆಗಳಿಗೆ ಪರಿವರ್ತಿಸಲು ಹೆಣಗಾಡುತ್ತಿರುವಾಗ, ಉದ್ಯಮವು ಒಂದು ದೊಡ್ಡ ಅಡೆತಡವನ್ನು ಎದುರಿಸುತ್ತಿದೆ: ವಿಶ್ವಾಸಾರ್ಹತೆ. Large Language Models (LLMs) ಗಳ ಅನಿಶ್ಚಿತ ಸ್ವರೂಪಕ್ಕೆ ಫಾರ್ಮಲ್ ವೆರಿಫಿಕೇಶನ್ನ ಗಣಿತೀಯ ಕಟ್ಟುನಿಟ್ಟನ್ನು ಅನ್ವಯಿಸುವ ಮೂಲಕ ಈ ಅಂತರವನ್ನು ಹೋಗಲಾಡಿಸುವುದು Pramaana Labs ನ ಗುರಿಯಾಗಿದೆ.
ಪ್ರೊಬಾಬಿಲಿಸ್ಟಿಕ್ ಮತ್ತು ಡಿಟರ್ಮಿನಿಸ್ಟಿಕ್ AI ನಡುವಿನ ಅಂತರವನ್ನು ಕಡಿಮೆ ಮಾಡುವುದು
ಆಧುನಿಕ AI ನಲ್ಲಿನ ಮೂಲಭೂತ ಸಂಘರ್ಷವು ಪ್ರೊಬಾಬಿಲಿಸ್ಟಿಕ್ ತರ್ಕ (probabilistic reasoning) ಮತ್ತು ಡಿಟರ್ಮಿನಿಸ್ಟಿಕ್ ಸತ್ಯದ (deterministic truth) ನಡುವಿನ ವ್ಯತ್ಯಾಸದಲ್ಲಿದೆ. LLM ಗಳು ನೈಸರ್ಗಿಕ ಭಾಷೆಯನ್ನು ಸಂಸ್ಕರಿಸುವಲ್ಲಿ ಮತ್ತು ಸಂಕೀರ್ಣವಾದ, ಅಸಂಘಟಿತ ಡೇಟಾವನ್ನು ನಿರ್ವಹಿಸುವಲ್ಲಿ ಅತ್ಯುತ್ತಮವಾಗಿದ್ದರೂ, ಅವುಗಳಲ್ಲಿ ಹ್ಯಾಲ್ಯುಸಿನೇಷನ್ (hallucinations) ಮತ್ತು ತಾರ್ಕಿಕ ದೋಷಗಳು ಕಂಡುಬರುವ ಸಾಧ್ಯತೆಯಿದೆ. ಒಂದು ಸಣ್ಣ ತಪ್ಪೂ ಕಾನೂನು ಅಥವಾ ಆರ್ಥಿಕ ವಿನಾಶಕ್ಕೆ ಕಾರಣವಾಗಬಹುದಾದ ಉದ್ಯಮಗಳಿಗೆ, ಇಂತಹ ದೋಷಗಳು ಸ್ವೀಕಾರಾರ್ಹವಲ್ಲ.
Pramaana Labs ಒಂದು ಹೈಬ್ರಿಡ್ ಆರ್ಕಿಟೆಕ್ಚರ್ ಅನ್ನು ನಿರ್ಮಿಸುವ ಮೂಲಕ ಇದನ್ನು ಪರಿಹರಿಸುತ್ತಿದೆ. ಅವರ ವ್ಯವಸ್ಥೆಯು ನೈಸರ್ಗಿಕ ಭಾಷೆಯ ಸಂವಹನಕ್ಕೆ ಅಗತ್ಯವಾದ ನಮ್ಯತೆಯನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳಲು ಸಾಂಪ್ರದಾಯಿಕ LLM ಇಂಜಿನ್ ಅನ್ನು ಬಳಸುತ್ತದೆ, ಆದರೆ ಅದರ ಮೇಲೆ ಒಂದು ಡಿಟರ್ಮಿನಿಸ್ಟಿಕ್ ವೆರಿಫಿಕೇಶನ್ ಲೇಯರ್ ಅನ್ನು ಅಳವಡಿಸುತ್ತದೆ. ಈ ಲೇಯರ್ LLM ನಿಂದ ಉತ್ಪತ್ತಿಯಾಗುವ ಔಟ್ಪುಟ್ ಕಟ್ಟುನಿಟ್ಟಾದ, ಸಂಹಿತೆಗೊಳಿಸಲಾದ ನಿಯಮಗಳಿಗೆ ಅನುಗುಣವಾಗಿರುವುದನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ, ಇದು ದೋಷಗಳ ವಿರುದ್ಧ ಗಣಿತೀಯ ರಕ್ಷಣಾ ಕವಚವಾಗಿ (mathematical guardrail) ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ.
ಹೆಚ್ಚಿನ ಅಪಾಯವಿರುವ ಉದ್ಯಮ ಅನ್ವಯಿಕೆಗಳಿಗಾಗಿ LEAN ಅನ್ನು ಬಳಸಿಕೊಳ್ಳುವುದು
ಸಾಮಾನ್ಯ ಸಾಫ್ಟ್ವೇರ್ ಟೆಸ್ಟಿಂಗ್ನಂತಲ್ಲದೆ, Pramaana Labs ಫಾರ್ಮಲ್ ವೆರಿಫಿಕೇಶನ್ ಪರಿಕರಗಳನ್ನು ಬಳಸುತ್ತಿದೆ, ವಿಶೇಷವಾಗಿ ಓಪನ್-ಸೋರ್ಸ್ LEAN ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಭಾಷೆಯಿಂದ ಪ್ರೇರಣೆ ಪಡೆಯುತ್ತಿದೆ. LEAN ಅನ್ನು ಸಾಂಪ್ರದಾಯಿಕವಾಗಿ ಸಂಕೀರ್ಣ ಗಣಿತದ ಪುರಾವೆಗಳನ್ನು ಪರಿಶೀಲಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ ಮತ್ತು Pramaana ಈ ತಂತ್ರಜ್ಞಾನವನ್ನು ನಿರ್ದಿಷ್ಟ ವೃತ್ತಿಪರ ಕ್ಷೇತ್ರಗಳ "ನಿಯಮಗಳನ್ನು" ಸಂಹಿತೆಗೊಳಿಸಲು ಅಳವಡಿಸಲು ಯೋಜಿಸಿದೆ.
ಕಂಪನಿಯು ನಿಖರತೆ ಅತ್ಯಗತ್ಯವಾಗಿರುವ ಹೆಚ್ಚಿನ ಸಂವೇದನಾಶೀಲ ವಲಯಗಳನ್ನು ಗುರಿಯಾಗಿಸಿಕೊಂಡಿದೆ:
- ಕಾನೂನು ಮತ್ತು ತೆರಿಗೆ ಸಿದ್ಧತೆ: ತರ್ಕವು ಡಿಟರ್ಮಿನಿಸ್ಟಿಕ್ ಆಗಿರುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಸಂಕೀರ್ಣ ತೆರಿಗೆ ಸಂಹಿತೆಗಳ ಸಂಹಿತೆಗೊಳಿಸಲಾದ ಆವೃತ್ತಿಗಳನ್ನು ಬಳಸುವುದು.
- ಔಷಧ ಸಂಶೋಧನೆ (Drug Discovery): ಸುರಕ್ಷತೆ ಮತ್ತು ಪರಿಣಾಮಕಾರಿಕತೆಯನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಜೈವಿಕ ಮತ್ತು ರಾಸಾಯನಿಕ ಡೇಟಾಗಳಿಗೆ ಕಟ್ಟುನಿಟ್ಟಾದ ಪರಿಶೀಲನೆಯನ್ನು ಅನ್ವಯಿಸುವುದು.
- ಸೈಬರ್ ಸುರಕ್ಷತೆ (Cybersecurity): ಡಿಜಿಟಲ್ ಮೂಲಸೌಕರ್ಯಗಳನ್ನು ಸುರಕ್ಷಿತಗೊಳಿಸಲು ಫಾರ್ಮಲ್ ಗಣಿತದ ತಪಾಸಣೆಗಳನ್ನು ಜಾರಿಗೆ ತರುವುದು.
ಈ ವ್ಯವಸ್ಥೆಗಳು ವಾಸ್ತವಕ್ಕೆ ಅನುಗುಣವಾಗಿರುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು, Pramaana ಉನ್ನತ ವಲಯದ ತಜ್ಞರೊಂದಿಗೆ ಸಹಕರಿಸುತ್ತಿದೆ. ಇದರಲ್ಲಿ ತೆರಿಗೆ ಸಂಬಂಧಿತ ಅನ್ವಯಿಕೆಗಳಿಗಾಗಿ ಮಾಜಿ IRS ಕಮಿಷನರ್ Danny Werfel, ಮತ್ತು ಸೈಬರ್ ಸುರಕ್ಷತೆ ಹಾಗೂ ಔಷಧ ಸಂಶೋಧನಾ ಪ್ರೋಟೋಕಾಲ್ಗಳನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲು IIT Delhi, IIT Madras ಮತ್ತು UC Berkeley ನ ಪ್ರಾಧ್ಯಾಪಕರು ಸೇರಿದ್ದಾರೆ.
ಇದು AI ಪರಿಸರ ವ್ಯವಸ್ಥೆಗೆ ಏಕೆ ಮುಖ್ಯವಾಗುತ್ತದೆ
The $27 million seed round—led by Khosla Ventures with participation from Accel, Boldcap, Nexus Venture Partners, Premji Invest, and Unbound—signals a massive shift in AI investment. The "move fast and break things" era of generative AI is meeting the "verify and validate" requirements of the enterprise world.
By turning unformalized knowledge into executable, verifiable code (similar to France’s CATALA project), Pramaana Labs is providing a blueprint for how AI can be deployed in regulated sectors. If successful, this approach could unlock trillions of dollars in value by allowing AI to safely manage human health, legal rights, and massive financial systems.
Key Takeaways
- Hybrid Architecture: Pramaana Labs combines the flexibility of LLMs with a deterministic layer powered by LEAN-style formal verification to eliminate hallucinations.
- High-Stakes Focus: The startup is prioritizing industries where errors have severe consequences, including law, tax, drug discovery, and cybersecurity.
- Major Institutional Backing: A $27 million seed round led by Khosla Ventures underscores the growing market demand for verifiable and reliable AI systems.