Kumo, ein Startup, das eine KI-gestützte Plattform zur Bewältigung von Vorhersageproblemen in Unternehmen anbietet, gab heute bekannt, dass es in einer von Sequoia angeführten Serie-B-Runde unter Beteiligung von A Capital, SV Angel und mehreren Angel-Investoren 18 Millionen US-Dollar gesammelt hat. Mitbegründerin und CEO Vanja Josifovski sagt, dass die neuen Mittel für Kumos Einstellungsbemühungen und F&E über die Plattform und Dienstleistungen des Startups hinweg verwendet werden, zu denen Datenvorbereitung, Datenanalyse und Modellmanagement gehören.
Die Plattform von Kumo arbeitet speziell mit Graph Neural Networks, einer Klasse von KI-Systemen zur Verarbeitung von Daten, die als eine Reihe von Graphen dargestellt werden können. Graphen beziehen sich in diesem Zusammenhang auf mathematische Konstrukte, die aus zusammengesetzt sind Eckpunkte (auch Knoten genannt), die durch verbunden sind Kanten (oder Linien). Graphen können verwendet werden, um Beziehungen und Prozesse in sozialen, IT- und sogar biologischen Systemen zu modellieren. Beispielsweise kann die Linkstruktur einer Website durch ein Diagramm dargestellt werden, bei dem die Scheitelpunkte für Webseiten stehen und die Kanten Links von einer Seite zur anderen darstellen.
Graph neuronale Netze verfügen über leistungsstarke Vorhersagefähigkeiten. Bei Pinterest und LinkedIn werden sie verwendet, um Hunderten Millionen aktiver Benutzer Beiträge, Personen und mehr zu empfehlen. Aber wie Josifovski feststellt, sind sie rechenintensiv in der Ausführung – was sie für die meisten Unternehmen unerschwinglich macht.
„Viele Unternehmen, die heute versuchen, mit graphischen neuronalen Netzen zu experimentieren, waren nicht in der Lage, über Trainingsdatensätze hinaus zu skalieren, die in einen einzigen Beschleuniger (Speicher in einer einzigen GPU) passen, was ihre Fähigkeit, diese aufkommenden algorithmischen Ansätze zu nutzen, dramatisch einschränkt“, sagte er TechCrunch in einem E-Mail-Interview. „Durch grundlegende infrastrukturelle und algorithmische Fortschritte konnten wir auf Datensätze in vielen Terabyte skalieren, sodass neuronale Graph-Netze auf Kunden mit größeren und komplizierteren Unternehmensgraphen angewendet werden können, wie z. B. soziale Netzwerke und mehrseitige Marktplätze.“
Mit Kumo können Kunden Datenquellen verbinden, um ein neuronales Graph-Netzwerk zu erstellen, das dann in der strukturierten Abfragesprache (SQL) abgefragt werden kann. Unter der Haube trainiert die Plattform automatisch das neuronale Netzwerksystem, bewertet es auf Genauigkeit und bereitet es für den Einsatz in der Produktion vor.
Laut Josifovski kann Kumo für Anwendungen wie Neukundengewinnung, Kundenbindung und -bindung, Personalisierung und Next-Best-Action, Missbrauchserkennung und Erkennung von Finanzkriminalität eingesetzt werden. Josifovski war zuvor CTO von Pinterest und Airbnb Homes und arbeitete mit den anderen Mitbegründern von Kumo, den ehemaligen Pinterest-Chefwissenschaftlern Jure Leskovec und Hema Raghavan, zusammen, um die Grafiktechnologie durch die Forschungslabore der Universitäten Stanford und Dortmund zu entwickeln.
„Unternehmen geben Millionen von Dollar für die Speicherung von Terabytes an Daten aus, können aber nur einen Bruchteil davon effektiv nutzen, um die Vorhersagen zu erstellen, die sie für zukunftsgerichtete Geschäftsentscheidungen benötigen. Der Grund dafür sind große Kapazitätslücken in der Datenwissenschaft sowie der enorme Zeit- und Arbeitsaufwand, der erforderlich ist, um Vorhersagen erfolgreich in die Produktion zu bringen“, sagte Josifovski. „Wir ermöglichen Unternehmen den Übergang zu einem Paradigma, in dem Predictive Analytics von einer knappen Ressource, die sparsam eingesetzt wird, zu einer wird, in der es so einfach ist wie das Schreiben einer SQL-Abfrage, wodurch Vorhersagen im Grunde allgegenwärtig werden – viel breiter in Anwendungsfällen angepasst im gesamten Unternehmen in viel kürzerer Zeit.“
Kumo befindet sich noch in der Pilotphase, aber Josifovski sagt, dass es „mehr als ein Dutzend“ Early Adopters im Unternehmen gibt. Bis heute hat das Startup 37 Millionen US-Dollar an Kapital eingesammelt.