ഫോർമൽ വെരിഫിക്കേഷനിലൂടെ (Formal Verification) AI വിശ്വാസ്യത ഉറപ്പാക്കാൻ Pramaana Labs 27 മില്യൺ ഡോളർ സമാഹരിച്ചു

പരീക്ഷണാടിസ്ഥാനത്തിലുള്ള പൈലറ്റ് പ്രോഗ്രാമുകളിൽ നിന്ന് നിർണ്ണായകമായ ബിസിനസ്സ് പ്രവർത്തനങ്ങളിലേക്ക് AI-യെ മാറ്റാൻ സംരംഭങ്ങൾ പാടുപെടുന്നു. ഈ ഘട്ടത്തിൽ വ്യവസായം നേരിടുന്ന വലിയൊരു വെല്ലുവിളിയാണ് വിശ്വാസ്യത (reliability). Large Language Models (LLMs)-ന്റെ പ്രവചനാതീതമായ സ്വഭാവത്തിലേക്ക് ഫോർമൽ വെരിഫിക്കേഷന്റെ ഗണിതശാസ്ത്രപരമായ കൃത്യത പ്രയോഗിച്ചുകൊണ്ട് ഈ വിടവ് നികത്താനാണ് Pramaana Labs ലക്ഷ്യമിടുന്നത്.

പ്രോബബിലിസ്റ്റിക് (Probabilistic), ഡെറ്റർമിനിസ്റ്റിക് (Deterministic) AI എന്നിവ തമ്മിലുള്ള വിടവ് നികത്തുന്നു

ആധുനിക AI-യിലെ അടിസ്ഥാനപരമായ സംഘർഷം പ്രോബബിലിസ്റ്റിക് യുക്തിയും (probabilistic reasoning) ഡെറ്റർമിനിസ്റ്റിക് സത്യവും (deterministic truth) തമ്മിലുള്ള വ്യത്യാസത്തിലാണ്. സ്വാഭാവിക ഭാഷ കൈകാര്യം ചെയ്യുന്നതിലും സങ്കീർണ്ണമായ, ക്രമരഹിതമായ ഡാറ്റകൾ വിശകലനം ചെയ്യുന്നതിലും LLM-കൾ മികshowing ആണെങ്കിലും, അവ ഹാലൂസിനേഷനുകൾക്കും (hallucinations) ലോജിക് പിശകുകൾക്കും സാധ്യതയുണ്ട്. ഒരു ചെറിയ തെറ്റ് പോലും നിയമപരമോ സാമ്പത്തികമോ ആയ വലിയ ദുരന്തങ്ങളിലേക്ക് നയിക്കാൻ സാധ്യതയുള്ള വ്യവസായങ്ങളിൽ ഇത്തരം പിശകുകൾ അംഗീകരിക്കാനാവില്ല.

ഒരു ഹൈബ്രിഡ് ആർക്കിടെക്ചർ നിർമ്മിച്ചുകൊണ്ട് Pramaana Labs ഈ പ്രശ്നത്തിന് പരിഹാരം കാണുന്നു. സ്വാഭാവിക ഭാഷാ സംവേദനത്തിന് ആവശ്യമായ വഴക്കം നിലനിർത്താൻ അവരുടെ സിസ്റ്റം ഒരു സാധാരണ LLM എൻജിൻ ഉപയോഗിക്കുന്നുണ്ടെങ്കിലും, അതിനു മുകളിൽ ഒരു ഡെറ്റർമിനിസ്റ്റിക് വെരിഫിക്കേഷൻ ലെയർ (deterministic verification layer) കൂടി നൽകുന്നുണ്ട്. LLM ഉൽപ്പാദിപ്പിക്കുന്ന ഔട്ട്‌പുട്ട് കർശനമായ നിയമങ്ങൾ പാലിക്കുന്നുണ്ടെന്ന് ഈ ലെയർ ഉറപ്പാക്കുന്നു, ഇത് പിശകുകൾക്കെതിരെയുള്ള ഒരു ഗണിതശാസ്ത്രപരമായ സുരക്ഷാ കവചമായി (mathematical guardrail) പ്രവർത്തിക്കുന്നു.

ഉയർന്ന ഉത്തരവാദിത്തമുള്ള വ്യവസായ മേഖലകളിൽ LEAN പ്രയോജനപ്പെടുത്തുന്നു

സാധാരണ സോഫ്റ്റ്‌വെയർ ടെസ്റ്റിംഗിൽ നിന്ന് വ്യത്യസ്തമായി, Pramaana Labs ഫോർമൽ വെരിഫിക്കേഷൻ ടൂളുകളാണ് ഉപയോഗിക്കുന്നത്, പ്രത്യേകിച്ച് ഓപ്പൺ സോഴ്സ് LEAN പ്രോഗ്രാമിംഗ് ഭാഷയിൽ നിന്നുള്ള പ്രചോദനം ഉൾക്കൊണ്ട്. സങ്കീർണ്ണമായ ഗണിതശാസ്ത്ര തെളിവുകൾ പരിശോധിക്കാൻ സാധാരണയായി ഉപയോഗിക്കുന്ന LEAN സാങ്കേതികവിദ്യയെ, പ്രത്യേക തൊഴിൽ മേഖലകളിലെ "നിയമങ്ങൾ" കോഡിഫൈ ചെയ്യാൻ ഉപയോഗിക്കാൻ Pramaana പദ്ധതിയിടുന്നു.

കൃത്യത അനിവാര്യമായ ഉയർന്ന സെൻസിറ്റിവിറ്റിയുള്ള മേഖലകളെയാണ് കമ്പനി ലക്ഷ്യമിടുന്നത്:

ഈ സംവിധാനങ്ങൾ യാഥാർത്ഥ്യബോധമുള്ളതാണെന്ന് ഉറപ്പാക്കാൻ Pramaana പ്രമുഖ മേഖലകളിലെ വിദഗ്ധരുമായി സഹകരിക്കുന്നു. നികുതി സംബന്ധമായ കാര്യങ്ങൾക്കായി മുൻ IRS കമ്മീഷണർ ഡാനി വർഫെൽ (Danny Werfel), സൈബർ സുരക്ഷയും മരുന്ന് കണ്ടുപിടുത്ത പ്രോട്ടോക്കോളുകളും മേൽനോട്ടം വഹിക്കാൻ IIT ഡൽഹി, IIT മദ്രാസ്, UC ബെർക്ക്ലി എന്നിവിടങ്ങളിൽ നിന്നുള്ള പ്രൊഫസർമാർ എന്നിവർ ഇതിൽ ഉൾപ്പെടുന്നു.

എന്തുകൊണ്ടാണ് ഇത് AI ഇക്കോസിസ്റ്റത്തിന് പ്രധാനമാകുന്നത്

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