图片来源:Infactory
随着大语言模型开始进入普通用户的日常生活,以Perplexity.ai为代表的AI搜索产品提供给用户与传统搜索不一样的体验,大大提高了人们使用搜索工具寻找答案的效率。但是这一类的AI搜索通常有着幻觉的问题,即搜索结果的可信度仍然需要用户通过主动查看相关资料,或者通过传统的搜索引擎查证才能使用。虽然算法工程师们通过RAG搜索等技术,在一定程度上缓解了模型生成结果的幻觉问题,但是并没有从根本上解决AI搜索结果的可信问题。
因此,Infactory.ai作为一款专注于事实审查的AI搜索引擎,旨在通过使用大语言模型理解搜索意图,而非直接生成搜索结果,以此来提供准确、透明的搜索结果,从根本上避免了搜索结果的幻觉问题,同时依然能提高用户使用搜索工具的效率。
图片来源:infactory.ai
Infactory.ai的创始人表示,Infactory和其他AI公司的区别之一就是知道何时使用人工智能,更重要的是,何时不使用人工智能。因此在Infactory.ai的实现过程中,大语言模型将用于创建与平台交互更自然的使用界面,用户甚至无需输入各种复杂单词,通过和人一样对话的日常语言就可以获得预期结果。然而,人工智能技术却不会在搜索结果本身中体现。与传统搜索,例如谷歌,不同的是,Infactory.ai将直接从可信资源中提取信息,来确保搜索结果不会受到当前生成式人工智能幻觉问题的影响。
目前,Infactory.ai将采用订阅模式定价,主要面向企业客户,而非普通消费者。因此为了更好地满足企业用户的定制化需求,Infactory.ai还提供了一套面向构建AI应用的基础框架--Infactory事实平台。工程师或技术人员可使用此平台简化创建数据、并通过对话进行访问的过程,以此来提高企业AI应用的生产效率。
企业用户的业务要求通常非常严格,包括准确性、可信度和高质量等,比面向消费者的应用程序标准要高很多。而Infactory采用一种特殊的数据处理方法,以便AI模型可以更好、更准确地分析数据。例如,一位病人正在服用3种不同的药物,如果医生想在开具第4种药物之前,检查不同药物之间的相互作用,他就可以询问Infactory,而Infactory就会在充分理解药物使用说明的前提下,从医院的内部数据中给出答案,并引用数据的来源,以此来帮助医生更好地决策。
Infactory目前专注于使用人工智能研究企业数据,从语义上理解其中的内容,并根据数据内容判断哪些问题可以回答,如果不能回答就拒绝回答,而不是编造。例如,如果一位客户询问大谷翔平本赛季投进了多少个三分球,Infactory则可能会回答,由于大谷翔平是一名棒球运动员,所以这个问题没有意义。
Infactory.ai通过充分发挥数据的潜力和构建精选数据集,为潜在的企业用户解决一切需要人工智能回答的问题,为用户提供可信、事实的答案。
向与人对话一样支持与数据对话:用户可以用通俗易懂的语言向系统提出问题,并获得准确的答案,即使是复杂的数据查询,Infactory.ai也可以通过优秀的数据理解能力返回正确的回答。
强大的底层数据加工能力:为了适应不同行业的企业数据,Infactory.ai的平台支持预处理多种类型的结构化与非结构化数据,以此来支持不同场景的AI应用,并提高数据的准确性和相关性。
更智能、更高质量的搜索:通过人工智能技术,Infactory.ai将数据与AI系统连接起来,为AI应用程序提供丰富的语义搜索功能,以此来获得更精确、更相关的结果。
通过数据流程图提高结果的可信度:在每次返回搜索结果时,Infactory.ai会同时返回数据流程图,包括数据的底层来源,可逐层溯源的数据推理轨迹,并展示在工作界面,以此来保证答案本身的可信度。
Infactory.ai的两位创始人均来自于AI硬件公司Humane,其中战略合作伙伴Brooke Hartley Moy目前担任Infactory.ai的首席执行官,产品工程主管Ken Kocienda目前担任Infactory.ai的首席技术官。
Infactory.ai的首席执行官Brooke Hartley Moy(右)和首席技术官Ken Kocienda(左),图片来源:www.i7y.com
Brooke Hartley Moy毕业于杜克大学,毕业后先后在Salesforce担任项目经理,Spredfast和Slack这两家SaaS公司担任客户成功经理,2020年加入谷歌担任战略合伙人,在谷歌工作3年后,于2023年加入AI硬件公司Humane继续任职战略合伙人一职。于2024年6月离开Humane,正式成立Infactory公司并担任首席执行官。
Brooke Hartley Moy工作经历,图片来源:linkedin
Ken Kocienda毕业于耶鲁大学,毕业后他在苹果任职人机交互专家,2017年Kocienda全职在家专注于他的写作事业,2019年,Kocienda加入Postmates担任软件工程师,2020年加入Airbnb担任分布式工程师,2021年加入Humane担任架构师和产品工程负责人。2024年6月离开Humane,正式加入Infactory并担任首席技术官。
Ken Kocienda工作经历,图片来源:linkedin
目前Infactory已经完成了400万美金的种子轮融资,2024年10月8日,由Bee Partners领投,a16z Scout Fund、FJ Labs和Alumni Ventures参投。
Infactory的融资情况,图片来源:crunchbase
目前,Infactory正在向金融、保险、SaaS、医疗服务和媒体等行业的企业客户推销这家初创公司。团队正在与设计合作伙伴和其他人员合作收集反馈,预计将在今年晚些时间正式推出产品。
参考资料:
https://www.i7y.com/
https://www.linkedin.com/in/abhartley/
https://www.linkedin.com/in/kenkocienda/
https://www.crunchbase.com/organization/infactory-1af0/company_financials
https://www.cnbc.com/2024/10/08/former-humane-execs-secure-25-million-valuation-for-infactory-ai-after-departing-hardware-startup.html
文章来自于微信公众号“Z Potentials”,作者“Z Potentials”
【开源免费】graphrag是微软推出的RAG项目,与传统的通过 RAG 方法使用向量相似性作为搜索技术不同,GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址:https://github.com/microsoft/graphrag
【开源免费】Dify是最早一批实现RAG,Agent,模型管理等一站式AI开发的工具平台,并且项目方一直持续维护。其中在任务编排方面相对领先对手,可以帮助研发实现像字节扣子那样的功能。
项目地址:https://github.com/langgenius/dify
【开源免费】RAGFlow是和Dify类似的开源项目,该项目在大文件解析方面做的更出色,拓展编排方面相对弱一些。
项目地址:https://github.com/infiniflow/ragflow/tree/main
【开源免费】phidata是一个可以实现将数据转化成向量存储,并通过AI实现RAG功能的项目
项目地址:https://github.com/phidatahq/phidata
【开源免费】TaskingAI 是一个提供RAG,Agent,大模型管理等AI项目开发的工具平台,比LangChain更强大的中间件AI平台工具。
项目地址:https://github.com/TaskingAI/TaskingAI
【开源免费】MindSearch是一个模仿人类思考方式的AI搜索引擎框架,其性能可与 Perplexity和ChatGPT-Web相媲美。
项目地址:https://github.com/InternLM/MindSearch
在线使用:https://mindsearch.openxlab.org.cn/
【开源免费】Morphic是一个由AI驱动的搜索引擎。该项目开源免费,搜索结果包含文本,图片,视频等各种AI搜索所需要的必备功能。相对于其他开源AI搜索项目,测试搜索结果最好。
项目地址:https://github.com/miurla/morphic/tree/main
在线使用:https://www.morphic.sh/