למידה עמוקה וראייה ממוחשבת הם מושגים שקל להגיד אבל קשה לעשות. מדובר בטכנולוגיות שדורשות פיתוח של אלגוריתמים מורכבים יחסית, ולחברות רבות אין את המשאבים הדרושים לכך. Allegro.AI היא חברה ישראלית שפיתחה פלטפורמה מבוססת למידה עמוקה לייעול הפיתוח של יישומי ראייה ממוחשבת.
החברה הודיעה היום (ד') כי השלימה סבב גיוס בגובה 7 מיליון דולר, שיחד עם גיוס הסיד של החברה, מביא את כלל גיוסיה ל-11 מיליון דולר. אתאת הסבב הובילה קרן מיזמה ונצ׳רס והשתתפו בו המשקיעות מהסבב הקודם, והשתתפו בהם רוברט בוש ונצ'ר קפיטל, סמסונג קטליסט פאנד ודיינמיק לופ קפיטל.
כיום המוצר של Allegro.AI נמצא בשלב הבטא, והחברה עובדת עם מספר לקוחות גדולים, ביניהם המשקיעים. מהחברה נמסר כי יעדי הגיוס הם הגדלה של הצוות, המונה כיום 20 עובדים, בעשרות אחוזים, כהכנה למעבר משלב הבטא למוצר מוגמר שיצא לשוק.
"היום בעולם התכנה יש המון כלים, פלטפורמות ותשתיות שמאפשרות לארגונים לעשות דברים ענקיים עם מעט מאוד משאבים. עד שוואטסאפ נקנו הם שירתו מיליוני אנשים עם 16 מהנדסים", אמר ניר בר-לב, מייסד משותף ומנכ"ל Allegro.AI, בשיחה עם "גלובס". הוא סיפר כי הקימו את החברה מתוך הבנה שיש צורך בתשתיות דומות גם בעולם הראייה הממוחשבת. "בעולם של בינה מלאכותית, דיפ לרנינג וקומפיוטר ויז'ן אין את התשתיות האלה, ומה שקורה הוא שחברות נאלצות להשקיע המון משאבים בפיתוח תשתיות, ורק אלא אם אתה אחד מחברות הענק, אתה יכול לעמוד בזה".
"זיהינו בעיה ובנינו צוות של 360 מעלות כדי לפתור את הבעיה. הבעיה היא גם בעיית דיפ לרנינג, גם בעייה הנדסית של סקייל לפתרון שתומך בהרבה מאוד מכשירים, זו גם בעיה של עבודה על עמדות קצה, אז הבאנו את הצוות הנכון שיכול לבחון את כל האספקטים של הבעיה ולפתור אותה ברצינות. אני לא אגיד לך שלגוגל אין דברים דומים, אבל הם משמשים רק את גוגל", אמר בר-לב.
בר-לב עבד בגוגל בתפקידי ניהול שונים לפני שהקים את Allegro.AI יחד עם משה גוטמן (CTO) וגיל וסטריך (סמנכ"ל פיתוח), שניהם יוצאי יחידה טכנולוגית בצה"ל.
הפלטפורמה שפיתחו משרתת חברות בתחומים כמו כלי רכב אוטונומיים, רחפנים, אבטחה ולוגיסטיקה. היא נועדה לחסוך ללקוחות את המטלות הידניות שנדרשות לבנייה עצמית של מסדי נתונים ומודלים לפיתוח יישומים מבוססי בינה מלאכותית, לאורך כל חיי המוצר. הפלטפורמה פועלת ב-3 שלבים: השלב הראשון הוא שלב איסוף וסידור המידע, בו המערכת עוזרת ליצור את תשתית המידע שעליה תתבסס המכונה; השלב השני הוא שלב הפיתוח, בו נהוג לבצע ניסוי וטעייה במודלים שונים כדי להגיע לפריסה אופטימלית של רשתות נוירונים. בשלב הזה הפלטפורמה ממקבלת את תהליכי הניסוי והטעיה כדי לחסוך זמן; בשלב השלישי, שלב הייצור, המערכת מאפשרת להשאיר את המוצרים מחוברים ולהמשיך את תהליך הלמידה שלהם גם לאחר שהם כבר יצאו לשטח.
המשך הלמידה לאחר שהמוצר יצא מהמעבדה לשטח הוא מאפיין שב-Allegro.AI מתגאים בו במיוחד. "אחת הבעיות במוצרים מבוססי בינה מלאכותית היום, היא שהרבה מהם מפסיקים ללמוד ברגע שהם יוצאים לשוק. הרבה מחברות הרכב שעובדות על רכבים אוטונומיים מפתחות את הרכב במעבדה, יוצאות לשטח ואוספות מידע, ואז חוזרות למעבדה כדי לפתח את הגרסה הבאה. במערכת שלנו התשתית מאפשרת לעשות למידה רציפה", אמר בר-לב.
Allegro.AI - תעודת זהות
שנת הקמה: 2016
מייסדים: ניר בר-לב (מנכ"ל), משה גוטמן (CTO) וגיל וסטריך (סמנכ"ל פיתוח)
משקיעים: רוברט בוש ונצ'ר קפיטל, סמסונג קטליסט פאנד ודיינמיק לופ קפיטל.
סך-כל הגיוסים עד כה: 11 מיליון דולר בשני סבבים
לחברה יש 20 עובדים ברמת-גן
לתשומת לבכם: מערכת גלובס חותרת לשיח מגוון, ענייני ומכבד בהתאם ל
קוד האתי
המופיע
בדו"ח האמון
לפיו אנו פועלים. ביטויי אלימות, גזענות, הסתה או כל שיח בלתי הולם אחר מסוננים בצורה
אוטומטית ולא יפורסמו באתר.
כתבות
ני"ע
