جذب سرمایه ۲۵ میلیون دلاری استارتاپ مادولیت؛ شکار دیپ‌فیک‌های صوتی و کلاهبرداری با هوش مصنوعی

استارتاپ هوش مصنوعی مادولیت (Modulate) مستقر در بوستون، در جدیدترین دور جذب سرمایه موفق شده ۲۵ میلیون دلار بودجه تازه به دست بیاره. این استارتاپ پلتفرمی ساخته که با کمک مجموعه‌ای از مدل‌های سبک و تخصصی هوش مصنوعی، امکاناتی مثل تبدیل گفتار به متن، تحلیل احساسات، شناسایی دیپ‌فیک و موسیقی‌های ساخته‌شده با AI، و نظارت بر رعایت قوانین در مکالمات صوتی شرکتی رو ارائه می‌ده.

این سرمایه‌گذاری دقیقاً هم‌مسیر با موج داغ سرمایه‌گذاری روی هوش مصنوعی صوتیه؛ حوزه‌ای پرطرفدار که سرمایه‌گذارها حسابی براش دست‌به‌جیب شدن تا صداهای ساخته‌شده توسط هوش مصنوعی رو هر چه بیشتر شبیه انسان واقعی کنن.

علاوه بر این، مادولیت رقیب سرسخت شرکت‌هایی به حساب میاد که دنبال درک نیت واقعی پشت صحبت‌های انسان‌ها هستن یا تلاش می‌کنن شرکت‌ها و سازمان‌ها رو در برابر موج خطرناک تماس‌های دیپ‌فیک محافظت کنن؛ تهدیدی که با آسون‌تر شدن شبیه‌سازی و جعل صدا، هر روز نگران‌کننده‌تر از قبل می‌شه.

دور جدید جذب سرمایه این استارتاپ به رهبری فیوچر ونچرز (Future Ventures) و با مشارکت هایپرپلین (Hyperplane) و لیک‌استار (Lakestar) انجام شده. داده‌های منتشرشده در پیچ‌بوک (PitchBook) نشون میده که مادولیت تا پیش از این دور، ۴۱ میلیون دلار سرمایه با ارزش‌گذاری ۱۷۰ میلیون دلاری جذب کرده بود.

این شرکت سال ۲۰۱۷ توسط مایک پاپاس (Mike Pappas) و کارتر هافمن (Carter Huffman) تاسیس شد؛ دو هم‌دانشگاهی رشته فیزیک دانشگاه MIT که اول کار تمرکزشون روی تغییر و تنظیم صدا تو دنیای بازی‌های ویدیویی بود. اما با گذشت زمان، مسیرشون رو تغییر دادن و سراغ ابزارهای نظارت و تعدیل محتوا بر پایه صدا رفتن.

حالا هم با اوج‌گیری مدل‌های پیشرفته هوش مصنوعی صوتی، تمرکز اصلی این تیم روی شناسایی انواع محتواهای صوتی ساخته‌شده با AI و تحلیل قصد و نیت واقعی گوینده قرار گرفته.

کارتر هافمن در گفتگویی دراین‌باره توضیح داد: «دیدگاه ما تو حوزه هوش مصنوعی صوتی اینه که خیلی‌ها صرفاً کار تبدیل صوت به متن رو انجام می‌دن، اما واقعاً ابزاری تو بازار نیست که تمام ظرافت‌ها، احساسات و درک عمیق یه مکالمه رو بفهمه؛ چیزی که موقع صحبت با یه انسان دیگه فوق‌العاده حیاتی و مهمه.»

این شرکت در حال حاضر بیش از ۱۰۰ مدل مختلف هوش مصنوعی رو اجرا می‌کنه که به طور کلی به دو دسته تقسیم می‌شن: دسته اول مدل‌های «استخراج سیگنال» هستن که احساس، لحن، زبان و ساختگی بودن صدا رو تشخیص می‌دن؛ و دسته دوم مدل‌های «تحلیل و شناسایی» که هدف و نیت تماس‌گیرنده رو موشکافی می‌کنن تا بفهمن مشتری دقیقاً دنبال چیه، آیا قوانین نقض شده یا تلاشی برای کلاهبرداری در جریانه.

هافمن می‌گه از اونجا که اونا از مدل‌های کوچک‌تر استفاده می‌کنن، شرکت نیازی به سخت‌افزارهای غول‌پیکر و توان پردازشی سرسام‌آور نداره؛ مزیتی که تو روزگار بالا رفتن هزینه‌های پردازشی و مصرف توکن، یه نجات‌دهنده واقعی به حساب میاد. علاوه بر این، آموزش دادن مدل‌ها با قابلیت‌های جدید و اضافه کردنشون به سیستم خیلی راحت‌تره و یه هماهنگ‌کننده مرکزی در صورت نیاز اون‌ها رو فراخوانی می‌کنه.

مادولیت مشتری‌های متنوعی داره، اما تخصص اصلیش روی شکار دیپ‌فیک و هشدار دادن به مراکزی مثل کال‌سنترها درباره احتمال کلاهبرداریه. این پلتفرم همچنین رفتار ایجنت‌های هوش مصنوعی در پاسخ به مشتریان رو رصد می‌کنه تا از رعایت استانداردهای قانونی مطمئن بشه. به خاطر همین قابلیت‌ها، ابزار مادولیت معمولاً درست کنار زیرساخت صوتی سازمان‌ها قرار می‌گیره تا تماس‌ها رو به صورت لحظه‌ای آنالیز کنه.

با رفتن بیشتر سازمان‌ها به سمت خدمات مشتریان مجهز به هوش مصنوعی، فهمیدن این‌که چرا یه تماس موفق بوده یا شکست خورده، حیاتی شده. تو این شرایط، درک نیت واقعی مشتری خیلی فراتر از یه تحلیل ساده سطحی ارزشمنده و هافمن تاکید داره که مادولیت اطلاعات دقیق و عمیقی رو در اختیار کسب‌وکارها می‌ذاره.

او اضافه می‌کنه: «خیلی از شرکت‌ها فکر می‌کنن تحلیل احساسات یعنی اگه مشتری خنثی یا خوشحال بود تماس موفق بوده و اگه عصبانی بود تماس شکست خورده. اما در واقعیت، آدم‌ها خیلی وقت‌ها حتی با ایجنت‌های هوش مصنوعی یا بات‌ها هم از روی تعارف مؤدبانه حرف می‌زنن؛ یعنی شاید اصلاً عصبانی به نظر نرسن، اما در باطن کاملاً ناراضی و شاکی باشن.»

به گفته این شرکت، فناوری مادولیت برای رصد و مقابله با حملات سایبری از طریق تماس‌های تلفنی هم مورد استفاده قرار می‌گیره.

این استارتاپ در حال حاضر بین ۴۰ تا ۴۵ نیرو داره و می‌خواد تو ماه‌های آینده ۱۰ نفر دیگه رو برای توسعه مدل‌ها استخدام کنه. مادولیت همچنین در تلاشه تا امکان استقرار روی سرورهای داخلی شرکت‌ها و اجرای روی دستگاه (On-device) رو بیشتر کنه تا حریم خصوصی کاربران به بهترین شکل تضمین بشه.