企业软件的更大趋势之一是新兴的构建工具的兴起，这些工具可以使非技术公司更容易获得人工智能技术的收益。如今，已经建立了一个平台来将机器学习和自然语言处理的功能应用于非结构化数据的海量文档的平台，由于对其方法的强烈需求，已经结束了一轮融资。
总部位于伦敦的初创公司eigen technologies的机器学习引擎可帮助银行和其他需要从大型复杂文档(如合同)中提取信息和见解的企业，今天宣布已筹集了3,700万美元的b轮融资，公司的估值在1.5亿美元至1.8亿美元之间。
本轮由湖星和黎明资本，淡马锡和高盛成长股权(共同领导其a轮融资)也参与其中。eigen现在总共筹集了5500万美元。
eigen目前主要在金融部门工作-其办公室位于伦敦金融中心城市中心的中间，但计划是利用这笔资金继续扩大该平台的范围，以涵盖保险和医疗保健等其他垂直领域，另外两个大区域处理的是冗长而冗长的文档，这些文档通常在呈现方式上不一致，充满了必不可少的精美字样，通常会给组织的资源带来不便，导致无法正确处理，如果不正确处理，通常会造成灾难。
迄今为止，对银行和其他金融业务的关注已经吸引了很多人。该公司表示，其客户群目前包括全球25%的g-sib机构(即全球最大的银行)以及与之紧密合作的其他机构，例如allen&overy和deloitte。自2018年6月(关闭a轮融资)以来，eigen的经常性收入增长了六倍，而员工人数(主要是数据科学家和工程师)翻了一番。尽管eigen没有透露具体财务信息，但您可以确定对公司估值有贡献的增长方向。
eigen背后的基本思想是关注联合创始人兼首席执行官刘易斯(lewis liu)所说的“小数据”。该公司通过查看一些示例并对其进行了培训，从而设计出了一种“教” ai阅读特定类型文档(例如贷款合同)的方法。对于非技术人员而言，整个过程相对容易：您找出要查找和分析的内容，使用基本搜索在两个或三个文档中找到示例，然后创建可在数百个文件中使用的模板或成千上万种相同类型的文件(在本例中为贷款合同)。
本征的工作之所以引人注目有两个原因。首先，通常，机器学习和培训以及ai需要成千上万的示例来“教”一个系统，然后才能做出您希望模仿人类的决定。eigen需要几个示例(因此称为“小数据”方法)。
其次，像金融这样的行业拥有许多敏感数据(要么是因为其个人数据，要么是因为该数据归公司及其业务专有)，因此，与希望“匿名化”并与ai公司进行合作的问题一直存在。摄取数据。公司根本不想这样做。eigen的系统本质上仅适用于公司提供的东西，而这取决于公司。
eigen由ceo lewis z. liu博士和jonathan feuer(公司董事长cvc capital technologies的管理合伙人)于2014年成立，但其最早的历史可以追溯到15年前，当时liu是第一代人在美国长大的移民–在他去哈佛大学之前，曾在他居住的新泽西州的一家轮胎制造厂里担任“数据输入猴子”(他的话)。
当他的父母拒绝为他购买游戏机时，他是一位自然的计算机天才，发现自己正在开发自己的游戏，因此他发现，他正在阅读并重新进入不同计算机系统的许多打印输出页面可能会加速运行。计算机程序将两者联系起来。“我让自己失业，”他开玩笑说。
他的教育生活集中体现了通常会产生最有趣想法的横向思维。liu继续去哈佛学习不是计算机科学，而是物理和艺术。做双主修需要研究将两个学科融合在一起的论文，而刘建立了“电动力学方程式，该方程式是动态构成图形结构的”-基本上是使用算法生成美术作品，然后他变成了“图灵测试”以进行观察人们是否可以用他的程序检测像素化的实际工作。找出这些答案，liu仍在思考可以使用数学方法重新创建的模拟材料中的模式。
然后是在金融危机期间在伦敦麦肯锡工作多年(他是如何到达这些海岸的)，人们有意或无意地忽略了关键的基于文本的数据的结果都产生了严重而灾难性的结果。刘说：“我想说的是，我们最终在爱根(eigen)开始解决的问题变得切实了。”
然后在牛津大学获得物理学博士学位，刘在这里从事x射线激光研究，可以用来降低制造微芯片，癌症治疗和其他应用程序的复杂性和成本。
尽管eigen实际上并未使用激光，但liu为此提出的一些数学方程式也已成为eigen方法的一部分。
他说：“(对我的博士而言)整个想法是，'我们如何使这种价格便宜和更具可扩展性?”“我们建立了一类新型的x射线激光设备，我们意识到可以在图案匹配算法中使用相同的方程式，特别是围绕顺序图案。除此之外，还有我现有的公司关系，这就是eigen是如何开始的。”
五年过去了，eigen在平台上增加了很多东西，而这并非来自liu最初的想法。有更多的数据科学家和工程师围绕基本思想构建引擎，并对其进行自定义以与金融以外的更多部门合作。
有许多ai公司为非技术业务最终用户构建工具，而与eigen所做的工作最接近的领域之一是机器人过程自动化或rpa。liu指出，尽管这是一个重要领域，但更多的是更容易阅读表格并提供相关见解。eigen的重点更多地放在非结构化数据上，并且仅使用几个样本就可以快速安全地解析它。
liu指出了像ibm这样的公司(与watson一起)作为一般竞争对手，而luminance之类的初创公司则采用与eigen相似的方法，解决特定部门(目前是法律专业)解析非结构化数据的问题。
lakestar的合伙人兼首席技术官stephen nundy说，他是在高盛(goldman sachs)担任技术监督总经理时，就与eigen接触的。
他说：“看到这些家伙可以提供什么，应该受到称赞。”“他们只是挑选姓名和地址。我们正在谈论深刻的语义理解。其他供应商正在努力使所有人都受益，但eigen已发现市场适合金融服务用例，因此可与竞争对手抗衡。您可以看到获胜者何时摆脱困境，这是对未来的一个很好的信号。”
标签：