TwelveLabs, एक स्टार्टअप जो वीडियो समझने के लिए AI मॉडल बनाता है, ने एक Series B दौर में 10 करोड़ डॉलर जुटाए हैं, जिसकी घोषणा 1 जुलाई को हुई। इस दौर का सह नेतृत्व NEA और NAVER Ventures ने किया, और इसकी निवेशक सूची पहली चीज है जिस पर ध्यान देना चाहिए, क्योंकि इसमें Amazon के साथ साथ Index Ventures, Radical Ventures, Korea Investment Partners, Quadrille Capital, और Red Bull Ventures शामिल हैं। TwelveLabs इस क्षेत्र में कोई नया नाम नहीं है। यह उन मॉडलों के लिए जानी जाती है जो सॉफ्टवेयर को वीडियो की सामग्री को खोजने और वर्णित करने देते हैं, ऐसी तकनीक जो फुटेज के विशाल संग्रह में हर उस पल को ढूंढ सकती है जहां कोई खास वस्तु, क्रिया, या व्यक्ति दिखता है, जो सचमुच एक कठिन समस्या है जिसे टेक्स्ट पर केंद्रित AI अपने आप हल नहीं कर पाता।
पैसा किस लिए है, यह राशि से ज्यादा मायने रखता है। TwelveLabs इस दौर का उपयोग वीडियो समझ से आगे बढ़ने के लिए कर रही है, जो मूलतः बहुत अच्छी खोज और टैगिंग है, और उस दिशा में जिसे वह वीडियो के लिए एक फुल स्टैक एजेंटिक इंटेलिजेंस प्रणाली कहती है। विचार यह है कि तीन चीजें जो आमतौर पर अलग होती हैं, धारणा, ज्ञान, और तर्क, को वीडियो पर लक्षित एक ही आर्किटेक्चर में समेट दिया जाए। जहां एक समझ मॉडल आपको बता सकता है कि एक क्लिप में एक फोर्कलिफ्ट और एक बिखराव है, वहां एक एजेंटिक प्रणाली का उद्देश्य दृश्य के बारे में तर्क करना, उसे उस चीज से जोड़ना जो वह पहले से जानती है, और कोई कार्रवाई करना या सुझाना है। कंपनी ने इस लक्ष्य को वीडियो सुपरइंटेलिजेंस के रूप में वर्णित करना शुरू कर दिया है, जो मार्केटिंग भाषा है, लेकिन इसके नीचे का बदलाव, वीडियो में क्या है यह लेबल करने से लेकर उसके बारे में तर्क करने तक, एक असली और कठिन कदम है।
घोषणा का Amazon वाला पक्ष यकीनन बड़ी कहानी है। TwelveLabs ने Amazon Web Services को अपने पसंदीदा क्लाउड प्रदाता के रूप में नामित किया और एक बहुवर्षीय रणनीतिक प्रतिबद्धता पर हस्ताक्षर किए जो सर्वर किराए पर लेने से कहीं आगे जाती है। दोनों कंपनियों ने कहा कि वे TwelveLabs के वीडियो अनुमान को केवल Nvidia हार्डवेयर पर निर्भर रहने के बजाय AWS Trainium, Amazon के अपने AI चिप्स, पर चलाने के लिए अनुकूलित करेंगी, और यह कि नए TwelveLabs मॉडल पहले AWS पर लॉन्च होंगे। यह दो दिशाओं में एक अर्थपूर्ण संकेत है। Amazon के लिए, एक वीडियो AI विशेषज्ञ का समर्थन करना और उसे Trainium पर चलाना यह साबित करने के उसके प्रयास का हिस्सा है कि उसका अपना सिलिकॉन गंभीर AI कार्यभार संभाल सकता है और एक ऐसे माध्यम में पैर जमा सकता है जो उसका अपना नहीं है। TwelveLabs के लिए, एक क्लाउड के साथ गहरा तालमेल एक ऐसा दांव है कि गारंटीशुदा कंप्यूट और वितरण तटस्थ रहने से ज्यादा मूल्यवान हैं।
एक कदम पीछे हटें तो यह राशि एक बड़े पैटर्न में फिट बैठती है, जो यह है कि वीडियो AI में अपना एक अलग युद्धक्षेत्र बनता जा रहा है। पिछले कुछ वर्षों की ज्यादातर दिखाई देने वाली प्रगति टेक्स्ट में और, हाल ही में, छवियां और क्लिप बनाने में रही है। बड़े पैमाने पर वीडियो को समझना, यानी सुरक्षा कैमरे, मीडिया कंपनियां, कारखाने, और फोन हर दिन जो विशाल मात्रा में फुटेज पैदा करते हैं उसका अर्थ निकालने की कहीं कम आकर्षक समस्या, पीछे रह गई है, ठीक इसलिए कि यह कठिन और महंगी है। इस तरह का एक फंडिंग दौर, जिसके पीछे वेंचर का पैसा और एक क्लाउड दिग्गज दोनों हैं, एक दांव है कि AI की अगली मूल्यवान परत कोई और चैटबॉट नहीं बल्कि ऐसी प्रणालियां हैं जो भौतिक और रिकॉर्ड की गई दुनिया को देख सकें और उसके बारे में तर्क कर सकें। यह वीडियो समझ को एजेंट्स की ओर और ऐसे AI की ओर उसी व्यापक बदलाव से जोड़ता है जो केवल जवाब देने के बजाय कार्रवाई करता है।
चेतावनियों को नजर में रखना जरूरी है। 10 करोड़ डॉलर एक गंभीर रकम है लेकिन फ्रंटियर मॉडल लैब की ओर बहते अरबों के मुकाबले मामूली है, और यह एक नए दिग्गज के बजाय एक मजबूत विशेषज्ञ का संकेत देती है। सुपरइंटेलिजेंस शब्द को महत्वाकांक्षा के रूप में पढ़ा जाना चाहिए, वर्णन के रूप में नहीं, क्योंकि उलझी हुई असल दुनिया के वीडियो के बारे में भरोसेमंद तरीके से तर्क करना अभी भी एक अनसुलझी समस्या है, और उद्यम खरीदार उत्पाद को सटीकता और लागत पर आंकेंगे, नारों पर नहीं। मशीनों द्वारा वीडियो समझने में किसी भी छलांग के बाद आने वाले वही जाने पहचाने सवाल भी हैं, निगरानी, सहमति, और यह कि इन प्रणालियों को किस पर तानने का अधिकार किसे मिलता है, जो औजारों के बेहतर होने के साथ और ज्यादा गंभीर होते जाते हैं। लेकिन एक बाजार संकेत के रूप में यह दौर काफी स्पष्ट है। एक मान्यता प्राप्त वीडियो AI कंपनी ने अभी अभी एक बड़ा खजाना, समर्थकों की एक शानदार सूची, और अपने खुद के चिप्स लगाने को तैयार एक क्लाउड साझेदार हासिल किया है, ये सब एक ही विचार की ओर इशारा करते हैं, कि AI को वीडियो को सचमुच समझना और उसके बारे में तर्क करना सिखाना जल्द ही उससे कहीं ज्यादा मायने रखने वाला है जितना अब तक रखता आया है।