Tác giả gốc: Daniel Barabander, Cố vấn chính và Đối tác đầu tư của Variant
Biên dịch: Zen, PANews
Vào lúc 4 giờ chiều giờ Bắc Kinh ngày 11 tháng 4, công ty khởi nghiệp AI Plastic Labs đã công bố hoàn thành vòng gọi vốn Pre-Seed trị giá 5,35 triệu USD, do Variant, White Star Capital và Betaworks dẫn đầu, cùng với các nhà đầu tư khác như Mozilla Ventures, Seed Club Ventures, Greycroft và Differential Ventures. Các nhà đầu tư thiên thần bao gồm Scott Moore, NiMA Asghari và Thomas Howell. Đồng thời, nền tảng danh tính AI cá nhân hóa của họ "Honcho" đã chính thức mở truy cập sớm.
Do vì dự án vẫn đang ở giai đoạn đầu, toàn bộ cộng đồng tiền điện tử đều biết rất ít về Plastic Labs. Trong khi Plastic công bố các động thái tài chính và sản phẩm trên X, thì cố vấn chính và đối tác đầu tư của nhà đầu tư chính Variant, Daniel Barabander, cũng đã đưa ra những phân tích sâu sắc về dự án này và nền tảng Honcho của nó. Dưới đây là nội dung gốc:
Với sự nổi lên của các mô hình ngôn ngữ quy mô lớn (LLM), nhu cầu về tính cá nhân hóa trong phần mềm đã tăng chưa từng có. Các ứng dụng này phụ thuộc vào ngôn ngữ tự nhiên, và ngôn ngữ tự nhiên sẽ thay đổi tùy theo đối tượng giao tiếp — giống như cách bạn giải thích các khái niệm toán học cho ông bà khác với khi giải thích cho cha mẹ hoặc trẻ em. Bạn sẽ tự động điều chỉnh cách diễn đạt dựa trên người nghe, và các ứng dụng LLM cũng phải "hiểu" họ đang nói chuyện với ai để cung cấp trải nghiệm hiệu quả và phù hợp hơn. Dù là trợ lý chữa lành, trợ lý pháp lý hay bạn đồng hành mua sắm, những ứng dụng này cần thực sự hiểu người dùng để phát huy giá trị.
Tuy nhiên, mặc dù việc cá nhân hóa là rất quan trọng, hiện tại trên thị trường không có giải pháp sẵn có nào để các ứng dụng LLM có thể gọi. Các nhà phát triển thường phải tự xây dựng nhiều hệ thống rời rạc, lưu trữ dữ liệu người dùng (thường dưới dạng nhật ký cuộc hội thoại) và truy xuất khi cần. Kết quả là mỗi đội đều phải lặp lại việc xây dựng lại bánh xe, tự thiết lập cơ sở hạ tầng quản lý trạng thái người dùng. Tệ hơn nữa, các phương pháp như lưu trữ tương tác người dùng vào cơ sở dữ liệu vector và thực hiện tăng cường truy xuất (RAG) chỉ có thể nhớ lại những cuộc hội thoại trong quá khứ, nhưng không thể nắm bắt thực sự sở thích, thói quen giao tiếp, độ nhạy cảm về giọng điệu và các đặc điểm sâu sắc khác của người dùng.
Plastic Labs đã mang đến Honcho, một nền tảng cắm và chạy, cho phép các nhà phát triển dễ dàng cá nhân hóa cho bất kỳ ứng dụng LLM nào. Các nhà phát triển không cần phải bắt đầu từ đầu để xây dựng mô hình người dùng, chỉ cần tích hợp Honcho là có thể ngay lập tức nhận được các hồ sơ người dùng phong phú và bền vững. Những hồ sơ này tinh vi hơn so với các phương pháp truyền thống, nhờ vào việc đội ngũ đã áp dụng các công nghệ tiên tiến trong khoa học nhận thức; hơn nữa, chúng hỗ trợ truy vấn ngôn ngữ tự nhiên, cho phép LLM linh hoạt điều chỉnh hành vi của mình dựa trên hồ sơ người dùng.
Bằng cách trừu tượng hóa sự phức tạp trong quản lý trạng thái người dùng, Honcho đã mở ra một trải nghiệm siêu cá nhân hóa mới cho các ứng dụng LLM. Nhưng ý nghĩa của nó không chỉ dừng lại ở đó: Bức chân dung người dùng phong phú do Honcho tạo ra cũng đã mở đường cho "tầng dữ liệu người dùng chia sẻ" mà lâu nay khó có thể thực hiện.
Trong lịch sử, lý do chính khiến tầng dữ liệu người dùng chia sẻ thất bại là do hai điểm sau:
Thiếu tính tương tác: Dữ liệu người dùng truyền thống thường phụ thuộc cao vào các tình huống ứng dụng cụ thể, khó khăn trong việc di chuyển giữa các ứng dụng. Ví dụ, nền tảng mạng xã hội X có thể mô hình hóa dựa trên những người bạn theo dõi, nhưng bộ dữ liệu này hoàn toàn không giúp ích cho mạng lưới nghề nghiệp của bạn trên LinkedIn. Trong khi đó, Honcho nắm bắt những đặc điểm người dùng cao cấp và tổng quát hơn, có thể phục vụ liền mạch cho bất kỳ ứng dụng LLM nào. Chẳng hạn, nếu một ứng dụng hướng dẫn phát hiện bạn thích học qua so sánh, thì trợ lý điều trị của bạn cũng có thể sử dụng hiểu biết này để giao tiếp hiệu quả hơn với bạn, mặc dù hai tình huống hoàn toàn khác nhau.
Thiếu giá trị tức thì:* Trong lịch sử, các lớp chia sẻ đã phải vật lộn để thu hút các ứng dụng ngay từ đầu vì chúng không mang lại lợi ích hữu hình cho những người di chuyển đầu tiên, những người là chìa khóa để tạo ra dữ liệu người dùng có giá trị. Honcho thì khác: nó giải quyết "vấn đề cấp một" trong việc quản lý trạng thái người dùng của một ứng dụng và khi đủ ứng dụng được kết nối, hiệu ứng mạng sẽ tự nhiên giải quyết "vấn đề cấp hai" - ứng dụng mới không chỉ được kết nối để cá nhân hóa mà còn tận dụng tính cách người dùng được chia sẻ hiện có ngay từ đầu, loại bỏ hoàn toàn điểm đau của khởi động lạnh.
Hiện tại, Honcho đã có hàng trăm ứng dụng trong danh sách chờ thử nghiệm kín, bao gồm các lĩnh vực như huấn luyện cai nghiện, bạn đồng hành giáo dục, trợ lý đọc sách và công cụ thương mại điện tử. Chiến lược của đội ngũ là: trước tiên tập trung vào việc giải quyết vấn đề quản lý trạng thái người dùng của ứng dụng này, sau đó dần dần triển khai lớp dữ liệu chia sẻ cho các ứng dụng sẵn sàng tham gia. Lớp này sẽ được áp dụng khuyến khích mã hóa: các ứng dụng tiếp cận sớm sẽ nhận được quyền sở hữu của lớp này, từ đó chia sẻ phần thưởng tăng trưởng của nó; đồng thời, cơ chế blockchain cũng sẽ đảm bảo hệ thống phi tập trung và đáng tin cậy, loại bỏ lo ngại về việc các tổ chức tập trung rút giá trị hoặc phát triển sản phẩm cạnh tranh.
Variant tin rằng, đội ngũ Plastic Labs có khả năng vượt qua những thách thức trong việc mô hình hóa người dùng trong phần mềm điều khiển LLM. Đội ngũ này đã trải nghiệm trực tiếp vấn đề ứng dụng không thể thực sự hiểu được học sinh và cách học của họ khi phát triển ứng dụng tư vấn trò chuyện cá nhân hóa Bloom. Honcho ra đời từ những hiểu biết này, đang giải quyết những nỗi đau mà mọi nhà phát triển ứng dụng LLM đều phải đối mặt.
Xem bản gốc
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
Tổng quan về nền tảng danh tính AI cá nhân hóa Honcho: Làm thế nào để ứng dụng LLM mở ra trải nghiệm siêu cá nhân hóa?
Tác giả gốc: Daniel Barabander, Cố vấn chính và Đối tác đầu tư của Variant
Biên dịch: Zen, PANews
Vào lúc 4 giờ chiều giờ Bắc Kinh ngày 11 tháng 4, công ty khởi nghiệp AI Plastic Labs đã công bố hoàn thành vòng gọi vốn Pre-Seed trị giá 5,35 triệu USD, do Variant, White Star Capital và Betaworks dẫn đầu, cùng với các nhà đầu tư khác như Mozilla Ventures, Seed Club Ventures, Greycroft và Differential Ventures. Các nhà đầu tư thiên thần bao gồm Scott Moore, NiMA Asghari và Thomas Howell. Đồng thời, nền tảng danh tính AI cá nhân hóa của họ "Honcho" đã chính thức mở truy cập sớm.
Do vì dự án vẫn đang ở giai đoạn đầu, toàn bộ cộng đồng tiền điện tử đều biết rất ít về Plastic Labs. Trong khi Plastic công bố các động thái tài chính và sản phẩm trên X, thì cố vấn chính và đối tác đầu tư của nhà đầu tư chính Variant, Daniel Barabander, cũng đã đưa ra những phân tích sâu sắc về dự án này và nền tảng Honcho của nó. Dưới đây là nội dung gốc:
Với sự nổi lên của các mô hình ngôn ngữ quy mô lớn (LLM), nhu cầu về tính cá nhân hóa trong phần mềm đã tăng chưa từng có. Các ứng dụng này phụ thuộc vào ngôn ngữ tự nhiên, và ngôn ngữ tự nhiên sẽ thay đổi tùy theo đối tượng giao tiếp — giống như cách bạn giải thích các khái niệm toán học cho ông bà khác với khi giải thích cho cha mẹ hoặc trẻ em. Bạn sẽ tự động điều chỉnh cách diễn đạt dựa trên người nghe, và các ứng dụng LLM cũng phải "hiểu" họ đang nói chuyện với ai để cung cấp trải nghiệm hiệu quả và phù hợp hơn. Dù là trợ lý chữa lành, trợ lý pháp lý hay bạn đồng hành mua sắm, những ứng dụng này cần thực sự hiểu người dùng để phát huy giá trị.
Tuy nhiên, mặc dù việc cá nhân hóa là rất quan trọng, hiện tại trên thị trường không có giải pháp sẵn có nào để các ứng dụng LLM có thể gọi. Các nhà phát triển thường phải tự xây dựng nhiều hệ thống rời rạc, lưu trữ dữ liệu người dùng (thường dưới dạng nhật ký cuộc hội thoại) và truy xuất khi cần. Kết quả là mỗi đội đều phải lặp lại việc xây dựng lại bánh xe, tự thiết lập cơ sở hạ tầng quản lý trạng thái người dùng. Tệ hơn nữa, các phương pháp như lưu trữ tương tác người dùng vào cơ sở dữ liệu vector và thực hiện tăng cường truy xuất (RAG) chỉ có thể nhớ lại những cuộc hội thoại trong quá khứ, nhưng không thể nắm bắt thực sự sở thích, thói quen giao tiếp, độ nhạy cảm về giọng điệu và các đặc điểm sâu sắc khác của người dùng.
Plastic Labs đã mang đến Honcho, một nền tảng cắm và chạy, cho phép các nhà phát triển dễ dàng cá nhân hóa cho bất kỳ ứng dụng LLM nào. Các nhà phát triển không cần phải bắt đầu từ đầu để xây dựng mô hình người dùng, chỉ cần tích hợp Honcho là có thể ngay lập tức nhận được các hồ sơ người dùng phong phú và bền vững. Những hồ sơ này tinh vi hơn so với các phương pháp truyền thống, nhờ vào việc đội ngũ đã áp dụng các công nghệ tiên tiến trong khoa học nhận thức; hơn nữa, chúng hỗ trợ truy vấn ngôn ngữ tự nhiên, cho phép LLM linh hoạt điều chỉnh hành vi của mình dựa trên hồ sơ người dùng.
Bằng cách trừu tượng hóa sự phức tạp trong quản lý trạng thái người dùng, Honcho đã mở ra một trải nghiệm siêu cá nhân hóa mới cho các ứng dụng LLM. Nhưng ý nghĩa của nó không chỉ dừng lại ở đó: Bức chân dung người dùng phong phú do Honcho tạo ra cũng đã mở đường cho "tầng dữ liệu người dùng chia sẻ" mà lâu nay khó có thể thực hiện.
Trong lịch sử, lý do chính khiến tầng dữ liệu người dùng chia sẻ thất bại là do hai điểm sau:
Hiện tại, Honcho đã có hàng trăm ứng dụng trong danh sách chờ thử nghiệm kín, bao gồm các lĩnh vực như huấn luyện cai nghiện, bạn đồng hành giáo dục, trợ lý đọc sách và công cụ thương mại điện tử. Chiến lược của đội ngũ là: trước tiên tập trung vào việc giải quyết vấn đề quản lý trạng thái người dùng của ứng dụng này, sau đó dần dần triển khai lớp dữ liệu chia sẻ cho các ứng dụng sẵn sàng tham gia. Lớp này sẽ được áp dụng khuyến khích mã hóa: các ứng dụng tiếp cận sớm sẽ nhận được quyền sở hữu của lớp này, từ đó chia sẻ phần thưởng tăng trưởng của nó; đồng thời, cơ chế blockchain cũng sẽ đảm bảo hệ thống phi tập trung và đáng tin cậy, loại bỏ lo ngại về việc các tổ chức tập trung rút giá trị hoặc phát triển sản phẩm cạnh tranh.
Variant tin rằng, đội ngũ Plastic Labs có khả năng vượt qua những thách thức trong việc mô hình hóa người dùng trong phần mềm điều khiển LLM. Đội ngũ này đã trải nghiệm trực tiếp vấn đề ứng dụng không thể thực sự hiểu được học sinh và cách học của họ khi phát triển ứng dụng tư vấn trò chuyện cá nhân hóa Bloom. Honcho ra đời từ những hiểu biết này, đang giải quyết những nỗi đau mà mọi nhà phát triển ứng dụng LLM đều phải đối mặt.