Yapay zekâ modellerinin yeteneklerini ölçmek, teknoloji dünyasında giderek daha kritik bir ihtiyaç haline geliyor. 2024'te kurulan Vals, modellerin yalnızca genel bilgi düzeyini değil, gerçek iş süreçlerinde ortaya koyduğu performansı değerlendirmeyi hedefliyor.
Girişim, hukuk, finans ve yazılım gibi alanlarda kullanılan yapay zekâ sistemlerinin karmaşık görevleri ne ölçüde tamamlayabildiğini inceliyor. Vals'ın yaklaşımı, geleneksel ve herkese açık testlerden farklı olarak, test içeriklerini paylaşmayan daha kontrollü bir değerlendirme yapısına dayanıyor. Böylece modellerin belirli sorulara önceden hazırlanması yerine, uygulama odaklı yetkinliklerinin ölçülmesi amaçlanıyor.
Gerçek Dünya İşleri İçin Ölçüm
Kurucu ortak Rayan Krishnan, yapay zekâ alanındaki hızlı ilerlemenin daha güncel ve işlevsel değerlendirme yöntemleri gerektirdiğini vurguluyor. Şirketin sistemi; modelin çıktısının insan üretimiyle karşılaştırılabilecek kaliteye ulaşıp ulaşmadığını, farklı sektörlerdeki görevleri ne kadar tutarlı yürüttüğünü analiz etmeye odaklanıyor.
Vals ayrıca siber güvenlik, biyogüvenlik, ruh sağlığı uygulamaları ve uluslararası hukuk gibi uzmanlık isteyen alanlar için de değerlendirme çerçeveleri geliştiriyor. Bu kapsam, yapay zekânın farklı kullanım senaryolarında daha şeffaf, ölçülebilir ve güvenilir biçimde ilerlemesine katkı sunmayı hedefliyor.
Şirket, yapay zekâ geliştiricilerine sunduğu test sonuçlarıyla ürün geliştirme süreçlerini destekliyor. Kurumlar için bu değerlendirmeler, yeni bir modeli seçerken teknik kapasiteyi daha somut verilerle karşılaştırma imkânı yaratıyor.
Andreessen Horowitz liderliğinde gerçekleşen 40 milyon dolarlık Seri A yatırımıyla büyümesini hızlandıran Vals, ekibini ve kurumsal çalışma alanını genişletmeyi planlıyor. Şirket ayrıca kamu kurumlarına yönelik model değerlendirme programları üzerinde çalışıyor.
Yapay zekâ ekonominin daha geniş alanlarına yayıldıkça, bağımsız ve uygulama odaklı ölçüm sistemleri teknolojiye duyulan güveni güçlendiren temel altyapılardan biri olabilir.
