Mycket tyder på att vi befinner oss mitt i det stora AI-språnget. Här och nu läggs en grund för en ny tid där artificiell intelligens i bästa fall kan driva den tekniska utvecklingen och hjälpa oss ta fram lösningar för världens stora utmaningar.
Men det finns en hel del praktiska problem på vägen. Som det fungerar nu är det svårt att använda AI inom flera stora sektorer. Det kan handla om sjukvården där det finns patientdata eller industrier med processdata till exempel.
Den AI som används idag bygger på att AI-modellen tränas med stora mängder data med en central molninfrastruktur. Det är inte bara problematiskt när det kommer till GDPR, det är dessutom svårt och dyrt att flytta så stora mängder data. Och där kommer Uppsalabolaget Scaleout Systems in.
Det Scaleout Systems gör är att via sin mjukvara möjliggöra användningen av AI utan att känslig data delas eller visas för obehöriga. Deras AI-system innebär att maskininläsningen flyttar till datan istället för att datan flyttar till maskininläsningen.
För att ta tekniken till marknaden har bolaget tagit in 7 miljoner i en nyemission, varav hälften kommer från Almi Invest och resterande från UU Invest, Beijer Ventures, Waterdragon och Grinden Ventures.
”Scaleouts mjukvaruplattform är baserad på en teknologi som ligger i den absoluta framkanten av AI-forskningen och gör det möjligt att träna en AI på mycket större mängder av data”, säger Pär Lagerström, Investment Manager på Almi Invest, i en kommentar.
Scaleout Systems har sex medgrundare varav flera med forskarbakgrund från Uppsala universitet.
”Detta kapitaltillskott markerar nästa steg i vår plan för att ta federerad maskininlärning, och med det, ökad datasäkerhet i maskininlärning, till marknaden. Vi ska nu bygga upp våra säljprocesser, och göra vår mjukvara tillgänglig för fler att testa både på sin egen infrastruktur och som SaaS”, säger Andreas Hellander, vd på Scaleout Systems.
Det här är en artikel från vårt flöde med alla nyemissioner i onoterade startups. Vill du läsa om fler kapitalanskaffningar? Klicka här