استارتاپ Datacurve با استفاده از مدل “شکارچی جایزه”، مهندسان نرمافزار را برای جمعآوری دادههای آموزشی با کیفیت بالا جذب میکند.
شرکت Datacurve با جذب ۱۵ میلیون دلار سرمایه، قصد دارد با ScaleAI در زمینه جمعآوری دادههای با کیفیت برای آموزش مدلهای هوش مصنوعی رقابت کند. این شرکت از مدل “شکارچی جایزه” استفاده میکند.
با بلوغ شرکتهای هوش مصنوعی، رقابت برای به دست آوردن دادههای با کیفیت بالا به یکی از مهمترین حوزهها در این صنعت تبدیل شده است. این موضوع باعث ظهور شرکتهایی مانند Mercor، Surge و به ویژه ScaleAI به مدیریت الکساندر وانگ شده است. اما اکنون که وانگ به متا رفته تا هوش مصنوعی را در آنجا مدیریت کند، بسیاری از سرمایهگذاران فرصتی را میبینند و مایل به سرمایهگذاری در شرکتهایی با استراتژیهای جدید و جذاب برای جمعآوری دادههای آموزشی هستند.
Datacurve، فارغالتحصیل Y Combinator، یکی از این شرکتها است که بر روی دادههای با کیفیت بالا برای توسعه نرمافزار تمرکز دارد. بر اساس گزارشی از TechCrunch، این شرکت روز پنجشنبه اعلام کرد که در دور سرمایهگذاری سری A، ۱۵ میلیون دلار با رهبری Mark Goldberg از Chemistry و با مشارکت کارمندانی از DeepMind، Vercel، Anthropic و OpenAI جذب کرده است. این دور پس از جذب ۲.۷ میلیون دلار در دور seed انجام شده است که Balaji Srinivasan، مدیر ارشد فناوری سابق Coinbase، نیز در آن سرمایهگذاری کرده بود.
سیستم “شکارچی جایزه” Datacurve
Datacurve از یک سیستم “شکارچی جایزه” برای جذب مهندسان نرمافزار ماهر به منظور تکمیل سختترین مجموعهدادهها استفاده میکند. این شرکت برای این مشارکتها پول پرداخت میکند و تاکنون بیش از ۱ میلیون دلار جایزه توزیع کرده است.
اما Serena Ge، یکی از بنیانگذاران شرکت، میگوید که بزرگترین انگیزه، مالی نیست. برای خدمات با ارزش بالا مانند توسعه نرمافزار، پرداخت برای کار داده همیشه بسیار کمتر از استخدام معمولی خواهد بود – بنابراین مهمترین مزیت شرکت، یک تجربه کاربری مثبت است.
Ge میگوید: “ما با این موضوع به عنوان یک محصول مصرفی رفتار میکنیم، نه یک عملیات برچسبگذاری داده. ما زمان زیادی را صرف فکر کردن در مورد این موضوع میکنیم که چگونه میتوانیم آن را بهینه کنیم تا افرادی که میخواهیم، علاقهمند شوند و وارد پلتفرم ما شوند؟”
اهمیت دادههای با کیفیت در مدلهای هوش مصنوعی
این موضوع به ویژه با پیچیدهتر شدن نیازهای دادههای پس از آموزش اهمیت پیدا میکند. در حالی که مدلهای اولیه بر روی مجموعهدادههای ساده آموزش داده میشدند، محصولات هوش مصنوعی امروزی به محیطهای RL پیچیده متکی هستند که باید از طریق جمعآوری دادههای خاص و استراتژیک ساخته شوند. با پیچیدهتر شدن محیطها، الزامات داده هم از نظر کمیت و هم از نظر کیفیت تشدید میشود – عاملی که میتواند به شرکتهای جمعآوری داده با کیفیت بالا مانند Datacurve مزیت دهد.
چشمانداز آینده Datacurve
Datacurve به عنوان یک شرکت در مراحل اولیه، بر روی مهندسی نرمافزار متمرکز است، اما Ge میگوید که این مدل میتواند به راحتی در زمینههایی مانند امور مالی، بازاریابی یا حتی پزشکی نیز اعمال شود.
Ge میگوید: “کاری که ما در حال حاضر انجام میدهیم این است که زیرساختی برای جمعآوری دادههای پس از آموزش ایجاد میکنیم که افراد بسیار شایسته را در حوزههای خود جذب و حفظ میکند.”
شرکت در رویداد Disrupt 2025
بیش از ۱۰ هزار نفر از رهبران فناوری و سرمایهگذاری خطرپذیر برای رشد و ایجاد ارتباط در Disrupt 2025 شرکت میکنند. نتفلیکس، باکس، a16z، ElevenLabs، Wayve، Hugging Face، Elad Gil، Vinod Khosla – تنها تعدادی از ۲۵۰+ افراد مهمی هستند که بیش از ۲۰۰ جلسه را رهبری میکنند تا بینشهایی را ارائه دهند که به رشد استارتاپها کمک کرده و لبه رقابتی شما را تیزتر کنند.
برای مطالعه اخبار بیشتر اینجا کلیک کنید.
نظر شما در مورد این مطلب چیه؟