Pramaana Labs AI நம்பகத்தன்மையை Formal Verification மூலம் தீர்க்க $27M நிதியைப் பெறுகிறது

நிறுவனங்கள் AI-ஐ சோதனைத் திட்டங்களிலிருந்து (experimental pilot programs) முக்கியமான வணிகச் செயல்பாடுகளுக்கு மாற்ற முயற்சிக்கும்போது, இந்தத் துறை ஒரு மிகப்பெரிய சவாலை எதிர்கொள்கிறது: அதுதான் நம்பகத்தன்மை (reliability). Large Language Models (LLMs)-ன் கணிக்க முடியாத தன்மையுடன், formal verification-ன் கணிதத் துல்லியத்தைப் பயன்படுத்துவதன் மூலம் இந்த இடைவெளியைக் குறைக்க Pramaana Labs இலக்கு வைத்துள்ளது.

Probabilistic மற்றும் Deterministic AI இடையிலான இடைவெளியைக் குறைத்தல்

நவீன AI-ல் உள்ள அடிப்படைப் பிரச்சனை, நிகழ்தகவு சார்ந்த பகுத்தறிவு (probabilistic reasoning) மற்றும் தீர்மானிக்கப்பட்ட உண்மை (deterministic truth) ஆகியவற்றிற்கு இடையிலான வேறுபாடாகும். LLM-கள் இயற்கை மொழியைச் செயலாக்குவதிலும், சிக்கலான, கட்டமைக்கப்படாத தரவுகளைக் கையாளுவதிலும் சிறந்து விளங்கினாலும், அவை hallucinations மற்றும் தர்க்கப் பிழைகளுக்கு (logic errors) உள்ளாக வாய்ப்புள்ளது. ஒரு சிறிய தவறு கூட சட்ட ரீதியான அல்லது நிதி ரீதியான பேரழிவை ஏற்படுத்தக்கூடிய தொழில்துறைகளுக்கு, இத்தகைய பிழைகள் ஏற்றுக்கொள்ள முடியாதவை.

Pramaana Labs ஒரு hybrid architecture-ஐ உருவாக்குவதன் மூலம் இதைத் தீர்க்க முயல்கிறது. இயற்கை மொழித் தொடர்புக்குத் தேவையான நெகிழ்வுத்தன்மையைப் பராமரிக்க அவற்றின் அமைப்பு ஒரு வழக்கமான LLM engine-ஐப் பயன்படுத்துகிறது, ஆனால் அதன் மேல் ஒரு deterministic verification layer-ஐக் கொண்டுள்ளது. இந்த அடுக்கு, LLM மூலம் உருவாக்கப்படும் வெளியீடு (output) கடுமையான, குறியீடாக்கப்பட்ட விதிகளுக்கு (codified rules) உட்பட்டு இருப்பதை உறுதி செய்கிறது, இது பிழைகளுக்கு எதிரான ஒரு கணிதப் பாதுகாப்பு வேலையாக (mathematical guardrail) செயல்படுகிறது.

முக்கியமான தொழில்துறை பயன்பாடுகளுக்கு LEAN-ஐப் பயன்படுத்துதல்

வழக்கமான மென்பொருள் சோதனையைப் போலன்றி, Pramaana Labs formal verification கருவிகளைப் பயன்படுத்துகிறது, குறிப்பாக open-source LEAN programming language-லிருந்து உத்வேகம் பெறுகிறது. LEAN பாரம்பரியமாக சிக்கலான கணிதத் தீர்வுகள் (mathematical proofs) ஆகியவற்றைச் சரிபார்க்கப் பயன்படுத்தப்படுகிறது, மேலும் குறிப்பிட்ட தொழில்முறைத் துறைகளின் "விதிகள்" (rules)-ஐக் குறியீடாக்க (codify) இந்தத் தொழில்நுட்பத்தை மாற்றியமைக்க Pramaana திட்டமிட்டுள்ளது.

துல்லியமானது மிக அவசியமான, உயர்-முக்கியத்துவம் வாய்ந்த துறைகளை இந்நிறுவனம் இலக்கு வைத்துள்ளது:

• சட்டம் மற்றும் வரித் தயாரிப்பு (Law and Tax Preparation): தர்க்கம் (reasoning) எப்போதும் deterministic ஆக இருப்பதை உறுதி செய்ய, சிக்கலான வரி விதிமுறைகளின் குறியீடாக்கப்பட்ட பதிப்புகளைப் பயன்படுத்துதல்.
• மருந்து கண்டுபிடிப்பு (Drug Discovery): பாதுகாப்பு மற்றும் செயல்திறனை உறுதி செய்ய உயிரியல் மற்றும் இரசாயனத் தரவுகளில் கடுமையான சரிபார்ப்பைச் (rigorous verification) செய்தல்.
• சைபர் பாதுகாப்பு (Cybersecurity): டிஜிட்டல் கட்டமைப்புகளைப் பாதுகாக்கவும் முறையான கணிதச் சோதனைகளை (formal mathematical checks) செயல்படுத்துதல்.

இந்த அமைப்புகள் யதார்த்தத்துடன் இணைந்து செயல்படுவதை உறுதி செய்ய, Pramaana சிறந்த துறை வல்லுநர்களுடன் இணைந்து செயல்படுகிறது. இதில் வரி தொடர்பான பயன்பாடுகளுக்காக முன்னாள் IRS ஆணையர் Danny Werfel மற்றும் சைபர் பாதுகாப்பு மற்றும் மருந்து கண்டுபிடிப்பு

Khosla Ventures தலைமையில் Accel, Boldcap, Nexus Venture Partners, Premji Invest மற்றும் Unbound ஆகியவற்றின் பங்கேற்புடன் நடைபெற்ற $27 மில்லியன் விதை சுற்று (seed round), AI முதலீட்டில் ஒரு மிகப்பெரிய மாற்றத்தைக் குறிக்கிறது. Generative AI-ன் "வேகமாகச் செயல்படு மற்றும் உடை" (move fast and break things) காலம், நிறுவன உலகத்தின் "சரிபார் மற்றும் உறுதிப்படுத்து" (verify and validate) தேவைகளைச் சந்தித்து வருகிறது.

முறைப்படுத்தப்படாத அறிவைச் செயல்படுத்தக்கூடிய, சரிபார்க்கக்கூடிய குறியீடாக (France-ன் CATALA திட்டத்தைப் போலவே) மாற்றுவதன் மூலம், முறைப்படுத்தப்பட்ட துறைகளில் AI எவ்வாறு பயன்படுத்தப்படலாம் என்பதற்கான ஒரு வரைபடத்தை Pramaana Labs வழங்குகிறது. இது வெற்றியடைந்தால், மனித ஆரோக்கியம், சட்ட உரிமைகள் மற்றும் மிகப்பெரிய நிதி அமைப்புகளை AI பாதுகாப்பாக நிர்வகிக்க அனுமதிப்பதன் மூலம், பல டிரில்லியன் டாலர் மதிப்பிலான மதிப்பை இது வெளிக்கொணரக்கூடும்.

முக்கிய அம்சங்கள்

• Hybrid Architecture: Pramaana Labs, LLM-களின் நெகிழ்வுத்தன்மையையும், மாயத்தோற்றங்களை (hallucinations) நீக்குவதற்காக LEAN-பாணி முறையான சரிபார்ப்பால் (formal verification) இயங்கும் ஒரு தீர்மானிக்கப்பட்ட அடுக்கையும் (deterministic layer) ஒருங்கிணைக்கிறது.
• High-Stakes Focus: சட்டம், வரி, மருந்து கண்டுபிடிப்பு மற்றும் சைபர் பாதுகாப்பு உள்ளிட்ட பிழைகள் கடுமையான விளைவுகளை ஏற்படுத்தும் தொழில்துறைகளுக்கு இந்த ஸ்டார்ட்அப் முன்னுரிமை அளிக்கிறது.
• Major Institutional Backing: Khosla Ventures தலைமையிலான $27 மில்லியன் விதை சுற்று, சரிபார்க்கக்கூடிய மற்றும் நம்பகமான AI அமைப்புகளுக்கான வளர்ந்து வரும் சந்தை தேவையை அடிக்கோடிட்டுக் காட்டுகிறது.