Probably raises $9M to build a more reliable kind of AI｜より信頼性の高い AI を構築するために資金調達 900 万ドルを計画 | AIニュース最前線

LLM がより強力になるにつれ、ハルシネーション（幻覚）を回避することは依然として困難であることが証明されています。最も賢いモデルであってもエラーが発生し、そのエラーを検出する方法は存在するものの、業界全体が最適な方法を模索している段階です。 Andreessen Horowitz からシードラウンドで 900 万ドルの資金調達を完了したばかりの Probably（https://www.probably.dev/）は、これらのエラーを検出するためのより厳密な方法の構築に取り組んでいます。 創業者のピーター・エリアス（上記画像参照）が述べるように、同社の目標は、ハルシネーションや単純な事実誤認がユーザーに届くことを防ぎ、決定論的システムで一般的である 99.99% の精度を達成することです。これは AI では実現が遥かに困難な水準です。実は、LLM をそのような精度レベルに引き上げるには、AI エンジニアリングの多くの基本的な前提を見直す必要があります。 Probably の最初の製品は、複雑なデータセットから迅速な回答を生成するために設計されたデータサイエンスツールです。各結果には出典と、その開発プロセスを追跡できる監査証跡が付随しており、これは AI ツール間でますます一般的な慣行となっています。 しかし、これらの要約にエラーが混入しないようにするには、エリアスが「データサイエンスのメchsスーツ」と表現する複雑なハーンシステムが必要です。LLM の初回回答は決定論的バリデーターシステム（deterministic validator system）によって検証され、データセットと一致しない結果はすべて弾かれます。重要なのは、LLM がこのバリデーターに対してトレーニングされており、同社によれば、全体として高速かつ正確な回答を最適化されている点です。 「これを構築する過程で学んだのは、ハーンエンジニアリングの質が高いほど、モデルはより簡素化できるということです」とエリアスは言います。「文脈を十分に洗練させられれば、モデルは正しい行動をとるためにそれほど努力する必要はありません。基本的にこれは曖昧さを減らすための演習です。」 これにより、Probably のデータサイエンスツールは、はるかに小型の AI モデル上で動作可能になります。エリアスによると、現在のバージョンは「フロンティアモデルより 4 つ階級分弱い」モデル上で稼働しており、つまりデータセンターではなくデスクトップコンピュータなどのローカルハードウェアで実行できるため、AI 利用に伴うトークンコストを大幅に削減できます。 これは、トークンコストが上昇し、多くの顧客が [AI バジェットの見直し](https://techcrunch.com/2026/06/09/can-tech-companies-learn-to-love-cheaper-models/) を行っている時期に歓迎されるアイデアです。さらにエリアスの考えはデータサイエンスに限られず、同じエンジンを経理や医療サービスといったユースケースにも拡張可能であり、エリアス自身の言葉では「精度が敏感なあらゆるユースケース」をカバーできるとのことです。 「大規模 AI ラボがこの取り組みにさえ着手していないのは非常に興味深いことです」とエリアスは言います。「彼らにはそれをしないようインセンティブが働いています。なぜなら、モデルの修正回数が増えるほど収益が発生するからです。」 *当記事内のリンクを通じてご購入いただいた場合、[私たちは少額のコミッションを受け取る可能性があります](https://techcrunch.com/techcrunch-affiliate-monetization-standards/)。これは当社の編集独立性には影響しません。* ラッセル・ブランドムは2012年以来、プラットフォーム政策と新興技術に焦点を当てながらテクノロジー業界の報道を行ってきました。以前はThe VergeやRest of Worldで勤務し、Wired、The Awl、MIT's Technology Reviewにも寄稿しています。 彼への連絡先は russell.brandom@techcrunch.com または Signal（412-401-5489）です。 [プロフィールを見る](https://techcrunch.com/author/russell-brandom/)

より信頼性の高い AI を構築するために資金調達 900 万ドルを計画

背景や根拠まで確認しますか？

調べる

選ぶ

サイト