Blackbird.AI مستقر در نیویورک سری A 10 میلیون دلاری را بسته است زیرا آماده می شود نسخه بعدی پلت فرم اطلاعات ضد اطلاعات خود را در پاییز امسال راه اندازی کند.
هدایت سری A توسط Dorilton Ventures به همراه سرمایه گذاران جدید از جمله Generation Ventures ، Trousdale Ventures ، StartFast Ventures و ریچارد کلارک ، مشاور ارشد سابق مبارزه با تروریسم در شورای امنیت ملی. سرمایه گذار فعلی NetX نیز شرکت کرد.
Blackbird می گوید که برای افزایش تقاضا در بازارهای جدید و موجود ، از جمله با گسترش تیم خود و هزینه بیشتر برای توسعه محصول ، مورد استفاده قرار می گیرد.
این استارتاپ که در سال 2017 تاسیس شد ، نرم افزاری را به عنوان خدماتی که به مارک ها و شرکت هایی که خطرات مربوط به اطلاعات مخرب و دستکاری کننده را مدیریت می کنند ، می فروشد-با دفاع از “اصالت” بازاریابی شرکتی.
در حال استفاده از طیف وسیعی از فناوری های هوش مصنوعی برای مقابله با چالش فیلترینگ و تفسیر روایات نوظهور از سراسر اینترنت برای شناسایی خطرات اطلاعات غلط که مشتریان خود را هدف قرار می دهد. (و برای ثبت ، این Blackbird هیچ ارتباطی با راه اندازی قبلی NLP به نام Blackbird ندارد که توسط Etsy در سال 2016 خریداری شد.)
هوش مصنوعی Blackbird بر استفاده از فناوری های اتوماسیون برای تشخیص روایت های مخرب/دستکاری کننده متمرکز شده است – بنابراین این سرویس به جای وارد شدن به وظیفه فریبنده انتساب ، به دنبال تهدیدهای اطلاعاتی نادرست برای مشتریان خود است. در آن جبهه فقط به آنچه گروههای کاربران (یا “قبایل”) کاربران آنلاین می نامند – که ممکن است اطلاعات را به طور جمعی دستکاری کنند ، برای یک هدف مشترک یا هدف مشترک (صحبت در مورد گروه هایی مانند ضد ویروس ها یا “bitcoin bros”) اشاره می کند. )
واسم خالد ، مدیرعامل و موسس Blackbird می گوید که تیم پنج سال تحقیق و توسعه و “توسعه مدل گرانول” را برای به دست آوردن محصول به کار گرفته است. الان کجاست
او به TechCrunch می گوید: “از نظر فناوری ، روشی که ما امروز درباره شرکت فکر می کنیم ، یک اطلاعات غلط اطلاعاتی و روایتی مبتنی بر هوش مصنوعی است.” وی گفت: “این اساساً تلاشهای پنج ساله بسیار عمیق و گوش به تحقیق و توسعه زمینی است که واقعاً مردم را در همه جا از صنعت کامیکس گرفته تا امنیت ملی تا شرکت و Fortune 500 ، روانشناسان ، روزنامه نگاران تحت پوشش قرار داده است.
“ما فقط بدون وقفه با ذینفعان ، افرادی که در سنگر هستند صحبت می کنیم-تا بفهمیم مجموعه مشکلات آنها واقعاً کجاست. و از یک روش تجربی علمی ، چگونه می توانید آنها را به قسمتهای مجزا آن تقسیم کنید؟ بخشهایی از آن را خودکار کنید ، افرادی را که در تلاش هستند تا تصمیم بگیرند با توجه به همه اختلالات اطلاعاتی که ما در حال وقوع هستند تصمیم گیری کنند.
اولین نسخه BlackBird’s SaaS در نوامبر 2020 منتشر شد ، اما این استارتاپ هنوز شماره مشتریان خود را فاش نمی کند. v2 این پلت فرم در نوامبر امسال راه اندازی می شود خالد.
آهمچنین امروز اعلام همکاری با شرکت روابط عمومی ، وبر شاندویک ، برای ارائه پشتیبانی به مشتریان در مورد نحوه پاسخ به پیام های مخرب خاص که می تواند بر مشاغل آنها تأثیر بگذارد و پلتفرم آن به عنوان یک خطر در حال ظهور مطرح شده است.
البته اطلاعات غلط در سالهای اخیر به ویژگی برچسب گذاری شده و مورد بحث در زندگی آنلاین تبدیل شده است ، اگرچه به ندرت پدیده جدیدی (انسانی) است. (برای مثال ، قطره های تبلیغاتی سازماندهی شده در هواپیما را که در طول جنگ برای ایجاد ناراحتی در بین رزمندگان و جمعیت دشمن استفاده می شد ، ببینید). با این حال ، منصفانه است که بگوییم اینترنت قابلیت انتشار محتوای عمدی بد/ساختگی و ایجاد آسیب های معتبر و دیگر انواع را بیش از حد افزایش داده است.
مطالعات نشان می دهد سرعت سفر آنلاین “اخبار جعلی” (که گاهی اوقات به این موارد نیز گفته می شود) بسیار بیشتر از اطلاعات واقعی است. و در آنجا مدل های تجاری تأمین شده از تبلیغات سیستم عامل های اصلی رسانه های اجتماعی دخیل هستند زیرا الگوریتم های مرتب سازی محتوای تجاری آنها انگیزه ای برای تقویت مواردی دارد که بیشتر برای چشم چشم جذاب است ، که معمولاً حقیقت خاکستری و ظریف نیست.
معاملات سهام و رمزنگاری یکی دیگر از انگیزه های رو به رشد برای انتشار اطلاعات نادرست است – فقط به نمونه اخیر Walmart نگاه کنید که با انتشار بیانیه جعلی مطبوعاتی نشان می دهد که خرده فروش قصد دارد لایت کوین را بپذیرد.
همه اینها باعث می شود مقابله با اطلاعات غلط به عنوان یک فرصت تجاری در حال رشد به نظر برسد.
به عنوان مثال ، در اوایل تابستان امسال ، یک استارتاپ مخفی دیگر در این زمینه ، ActiveFence ، اعلام نکرده است که مبلغ 100 میلیون دلار سرمایه گذاری اعلام کرده است. از دیگر موارد موجود در فضا می توان به Primer و Yonder (که قبلاً دانش جدید بود) اشاره کرد.
در حالی که برخی دیگر از بازیکنان قبلی در این فضا توسط برخی از غول های فناوری بدست آمده اند که با نحوه پاکسازی سکوهای خود از طریق اطلاعات نادرست مبارزه می کنند-مانند Fabula AI مستقر در بریتانیا ، که در سال 2019 توسط توییتر خریداری شد.
یکی دیگر – Bloomsbury AI – توسط فیس بوک خریداری شد. و غول فناوری در حال حاضر به طور معمول سعی می کند با انتشار گزارشاتی که حاوی تصاویری از آنچه رفتارهای هماهنگ غیر اصیل نامیده است ، در سیستم عامل خود اتفاق بیفتد ، روی مشکل اطلاعات غلط خود بچرخد. پاسخ می دهد.)
مشکلاتی که توسط روایت های جعلی آنلاین ایجاد می شود بسیار فراتر از سیستم عامل های اصلی میزبان و پخش کننده مانند فیس بوک است – با تأثیر بر تعداد زیادی از شرکت ها و سازمان ها و همچنین فرآیندهای دموکراتیک.
اما در حالی که اطلاعات غلط مشکلی است که اکنون می تواند در همه جا به صورت آنلاین گسترش یابد و تقریباً روی هر چیزی و هر کسی تأثیر می گذارد ، Blackbird تمرکز خود را بر فروش فناوری ضد خود به مارک ها و شرکت ها قرار داده است – نهادهایی را با منابع لازم برای کاهش خطرات شهرت ناشی از اطلاعات غلط هدفمند هدف قرار می دهد.
Per Khaled ، محصول Blackbird – که از یک داشبورد سازمانی و یک موتور پردازش داده اساسی تشکیل شده است – نه تنها تجمع داده ها را انجام نمی دهد. به گفته وی ، این استارتاپ در زمینه ساختاردهی هوشمند داده های تهدیدی که موتور آن جمع آوری می کند ، استدلال می کند که فراتر از برخی پیشنهادات رقیبی است که NLP (پردازش زبان طبیعی) و بعضاً “تجزیه و تحلیل احساسات سبک” را انجام می دهند. آی تی.
اگرچه NLP همچنین زمینه اصلی تمرکز Blackbird است ، همراه با تجزیه و تحلیل شبکه – و انجام کارهایی مانند بررسی ساختار بات نت ها.
اما پیشنهاد این است که Blackbird با در نظر گرفتن طیف وسیع تری از عوامل برای کمک به شناسایی تهدیدهای مربوط به “یکپارچگی” پیام های شرکت ، فراتر از رقابت است. (یا حداقل ، این همان زمینه بازاریابی آن است.)
خالد می گوید که این پلتفرم بر پنج “سیگنال” تمرکز می کند تا به آن کمک کند جریان گفتگوی آنلاین مربوط به مشتری خاص و علایق آنها را تجزیه کند – که او به این ترتیب تجزیه می شود: روایت ها ، شبکه ها ، گروه ها ، دستکاری و فریب. به گفته خالد ، Blackbird برای هر حوزه تمرکز از خوشه ای از فناوری های هوش مصنوعی استفاده می کند.
اما در حالی که هدف این است که از قدرت اتوماسیون برای مقابله با مقیاس چالش اطلاعات غلطی که اکنون مشاغل با آن روبرو هستند استفاده شود ، Blackbird نمی تواند این کار را فقط با هوش مصنوعی انجام دهد. تجزیه و تحلیل انسانی متخصص جزء این سرویس باقی می ماند – و خالد خاطرنشان می کند که ، برای مثال ، می تواند به تحلیلگران اطلاعات غلط به مشتریان (انسانی) پیشنهاد دهد تا به آنها در بررسی بیشتر چشم انداز تهدید اطلاعات نادرست خود کمک کنند.
“آنچه واقعا پلتفرم ما را متمایز می کند این است که ما هر پنج این سیگنال ها را به صورت همزمان و در زمان واقعی پردازش می کنیم تا بتوانیم آنچه را که تقریباً به عنوان یک شاخص خطر ترکیبی که مشتریان ما می توانند در نظر بگیرند ، بر اساس آنچه ممکن است برای آنها مهمتر باشد ، تولید کنیم. ، برای رتبه بندی مهمترین اطلاعات اقدام محور برای سازمان خود ، “او می گوید.
“در واقع این پردازش پشت سر هم است – کمی کردن حمله به ادراک انسان که ما می بینیم اتفاق می افتد.” آنچه ما به عنوان حمله سایبری به ادراک انسان تصور می کنیم – چگونه می فهمید وقتی شخصی سعی در تغییر دیدگاه عموم دارد؟ درباره یک موضوع ، یک شخص ، یک ایده. یا وقتی به ریسک شرکت ها نگاه می کنیم ، بیشتر و بیشتر ، می بینیم که یک گروه یا سازمان یا مجموعه ای از حساب ها در چه مواقعی تلاش می کنند تا در مورد یک موضوع خاص ، نظارت عمومی را بر علیه یک شرکت انجام دهند.
“گاهی اوقات این موضوعات در اخبار هستند ، اما ویژگی ای که ما می خواهیم مشتریان ما یا هر کسی بفهمد این است که چه زمانی چیزی به صورت دستکاری هدایت می شود؟ زیرا این بدان معناست که یک انگیزه ، انگیزه یا مجموعه ای از نیروهای غیر طبیعی وجود دارد … بر اساس روایت گسترده و سریع عمل می کند. “
“ما روی این موضوع کار کردیم ، و فقط این ، و در اوایل تصمیم گرفتیم که یک سیستم هدفمند برای بررسی این مشکل انجام دهیم. و این یکی از چیزهایی است که واقعاً ما را از هم متمایز کرده است. کار ، مانند بازاریابی یا اجتماعی و آنها سعی کرده اند برخی از مدلها را در بالای آن ایجاد کنند.
“برای ربات ها – و برای همه سیگنال هایی که ما در مورد آنها صحبت کردیم – من فکر می کنم بزرگترین چالش برای بسیاری از سازمان ها اگر آنها به طور کامل از ابتدا مانند ما ساخته نشده باشند … شما در مقابل برخی مشکلات در راه که مانع از شما می شوند ، به پایان می رسانید. مقیاس پذیر سرعت به یکی از بزرگترین مسائل تبدیل می شود.
“برخی از بزرگترین سازمانهایی که با آنها صحبت کرده ایم می توانند از نظر تئوری سیگنال ها را تولید کنند – برخی از سیگنالهایی که قبلاً در مورد آنها صحبت کردم – اما ممکن است حمل آنها 10 تا 12 روز طول بکشد. این امر باعث می شود که برای هیچ چیز غیر از گزارش پزشکی قانونی ، پس از این که اوضاع به نوعی به جنوب رفت ، واقعاً نامناسب باشد … چیزی که واقعاً به آن نیاز دارید دو دقیقه یا دو ثانیه است. و آنجاست – از روز اول – ما به دنبال دستیابی به آن بودیم. “
همچنین مارک ها و شرکت هایی با نگرانی های معتبر – مانند کسانی که فعالیت آنها با فضای ESG تلاقی دارد. معروف به “محیط زیست ، اجتماعی و حکمرانی” – خالد ادعا می کند که سرمایه گذاران نیز علاقه مند به استفاده از این ابزار برای حمایت از تصمیم هستند ، و می افزاید: “آنها می خواهند تصویر کامل را بدست آورند و مطمئن شوند که مورد دستکاری قرار نمی گیرند.”
در حال حاضر ، تجزیه و تحلیل Blackbird بر تهدیدات اطلاعاتی نادرست متمرکز است-معروف به “nowcasting”-اما هدف نیز پیشبرد تهدیدهای اطلاعات غلط است-برای آماده سازی مشتریان برای مشکلات دستکاری اطلاعات قبل از وقوع آنها. اگرچه هنوز هیچ زمان بندی برای راه اندازی آن جزء وجود ندارد.
خالد می گوید: “از نظر اندازه گیری/کاهش متقابل ، امروزه ما به طور کلی یک پلت فرم تشخیص هستیم و شروع به پیشرفت در تشخیص پیش بینی نیز می کنیم.” ما فقط آن را دور نمی زنیم بنابراین به آرامی قطعاتی را روانه بازار می کنیم که واقعاً به عنوان پیش بینی کننده مفید خواهند بود.
“موتور هوش مصنوعی ما سعی می کند بگوید [customers] به جای اینکه همه چیز در لحظه ای که اتفاق می افتد به آنها بگوییم … بر اساس – حداقل از دیدگاه پلتفرم ما – میلیاردها پست و رویداد و نمونه را بلعیده ایم تا الگو مطابقت داشته باشد مانند چیزی که ممکن است در آینده رخ دهد. ”
“بسیاری از مردم فقط بر اساس زمانبندی مسیری را ترسیم می کنند – بر اساس سرعت انتخاب سریع چیزی. این برای Blackbird پیش بینی نیست ، “او همچنین استدلال می کند. “ما ديده ايم كه سازمانهاي ديگر آن را پيش بيني كننده مي نامند. ما این را پیش بینی نمی کنیم. “
خالد می افزاید: در آینده نزدیک ، Blackbird دارای فناوری اندازه گیری جالب “جالب” است که به تیم ها در خط لوله خود کمک می کند ، در سه ماهه اول و دوم دوم سال 2022.