CTGT wint de award voor Beste Presentatiestijl op VB Transform 2025
De door ondernemingsleiders vertrouwde bijeenkomst, VB Transform, heeft zijn deuren geopend voor bijna twee decennia. Dit evenement brengt de mensen samen die de echte strategie voor enterprise AI ontwikkelen.
Het in San Francisco gevestigde CTGT, een startup die zich richt op het verbeteren van de betrouwbaarheid van AI door middel van aanpassingen op functieniveau, heeft de award voor Beste Presentatiestijl gewonnen op VB Transform 2025 in San Francisco. Het bedrijf, opgericht door de 23-jarige Cyril Gorlla, demonstreerde hoe zijn technologie ondernemingen helpt om de vertrouwensbarrières rond AI te overwinnen door modelkenmerken direct aan te passen in plaats van traditionele methoden zoals fine-tuning of prompt engineering te gebruiken.
Tijdens zijn presentatie benadrukte Gorlla de "AI Doom Loop" waar veel ondernemingen mee te maken hebben: 54% van de bedrijven beschouwt AI als het grootste technologische risico volgens Deloitte, terwijl McKinsey meldt dat 44% van de organisaties negatieve gevolgen heeft ervaren door de implementatie van AI.
Doorbreken van de AI-computewand
De aanpak van CTGT vertegenwoordigt een aanzienlijke afwijking van de conventionele technieken voor AI-aanpassing. Het bedrijf is opgericht op basis van onderzoek dat Gorlla heeft uitgevoerd terwijl hij een leerstoel bekleedde aan de Universiteit van Californië, San Diego.
In 2023 publiceerde Gorlla een paper op de International Conference on Learning Representations (ICLR) waarin hij een methode beschrijft voor het evalueren en trainen van AI-modellen die tot wel 500 keer sneller was dan bestaande benaderingen en tegelijkertijd een nauwkeurigheid van "drie nines" (99,9%) behaalde.
In plaats van te vertrouwen op brute-force schaling of traditionele deep learning-methoden, heeft CTGT ontwikkeld wat het een "volledig nieuwe AI-stack" noemt die fundamenteel heroverweegt hoe neurale netwerken leren. De innovatie van het bedrijf richt zich op het begrijpen en ingrijpen op functie-niveau binnen AI-modellen.
De aanpak van het bedrijf verschilt fundamenteel van standaardoplossingen voor interpretatie die afhankelijk zijn van secundaire AI-systemen voor monitoring. In plaats daarvan biedt CTGT wiskundig verifieerbare interpretatiemogelijkheden die de behoefte aan aanvullende modellen elimineren, wat de rekenvereisten aanzienlijk verlaagt.
De technologie werkt door specifieke latente variabelen (neuronen of richtingen in de functieruimte) te identificeren die gedragingen zoals censuur of hallucinaties aansteken, en deze variabelen dynamisch aan te passen tijdens het inferentieproces zonder de gewichten van het model te veranderen. Deze aanpak stelt bedrijven in staat om het gedrag van modellen on-the-fly aan te passen zonder systemen offline te halen voor hertraining.
Toepassingen in de echte wereld
Tijdens zijn presentatie op Transform demonstreerde Gorlla twee enterprise-toepassingen die al zijn geïmplementeerd bij een Fortune 20 financiële instelling:
Een e-mailcompliance-workflow die modellen traint om bedrijfsspecifieke acceptabele inhoud te begrijpen, waardoor analisten hun e-mails in realtime kunnen controleren op compliance-normen. Het systeem markeert potentieel problematische inhoud en biedt specifieke uitleg.
Een merkaligneringstool die marketeers helpt om teksten te ontwikkelen die consistent zijn met de merkwaarden. Het systeem kan gepersonaliseerd advies geven over waarom bepaalde zinnen goed werken voor een specifiek merk en hoe inhoud die niet aansluit, kan worden verbeterd.
"Als een bedrijf 900 use cases heeft, hoeven ze niet langer 900 modellen te fine-tunen," legde Gorlla uit. "We zijn model-onafhankelijk, dus ze kunnen ons gewoon aansluiten."
Een voorbeeld uit de echte wereld van de technologie van CTGT in actie was hun werk met de DeepSeek-mode.
Vertaald met ChatGPT gpt-4o-mini
