Eigen筹集了3,700万美元，以帮助银行和其他公司使用自然语言和“小数据”解析大型文档

 
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。
该轮融资由Lakestar和Dawn Capital牵头，淡马锡和高盛成长股权(共同领导其A轮融资)也参与了本轮融资。 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，这是另外两个处理大型，冗长文档的大区域，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，并且通常会给组织的资源带来压力，导致无法正确处理-如果不正确，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没有透露具体的财务数据，但您可以看到对公司估值产生影响的增长方向。
Eigen背后的基本思想是集中于联合创始人兼首席执行官Lewis Liu所说的“小数据”。该公司设计了一种“教” AI读取特定类型文档(例如贷款合同)的方法。通过查看几个示例并对其进行培训。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，然后创建模板，然后可以在数百个模板中使用该模板。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(要么因为它是个人数据，要么因为它是公司及其业务的专有信息)，因此，与希望“匿名化”并与AI公司合作的公司一直存在一个问题。摄取数据。公司根本不想这样做。 Eigen的系统基本上只能在公司提供的产品上运行，而这取决于公司。
Eigen由刘易斯(Lewis Z. Liu)博士(CEO)和乔纳森·富尔(Jonathan Feuer)(CVC Capital Partners的执行合伙人，该公司的董事长)于2014年成立，但其最早的历史可以追溯到15年前，当时刘(Liu)在美国长大的一代移民–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”(用他的话说)。
当他的父母拒绝给他买游戏机时，他是一个自然的计算机天才，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可以用计算机加速。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。做一个双主修课程需要研究将两个学科融合在一起的论文，然后刘建立了“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”，以查看是否人们可以用他的程序检测像素化的实际工作。提炼出这一点，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。
然后在牛津大学获得物理学博士学位，刘在刘博士从事X射线激光器的研究，可用于降低制造微芯片，癌症治疗和其他应用的复杂性和成本。
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：“(对于我的博士来说，整个想法是，’我们如何使它更便宜，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的开始方式。”
五年来，Eigen在平台上增加了很多东西，而不仅仅是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，尽管这是一个重要的领域，但更多的是要更容易地阅读表格并提供见解。 Eigen的重点更多地放在非结构化数据上，以及仅使用几个样本即可快速安全地解析数据的能力。
Liu指出IBM(与Watson)这样的公司是一般竞争对手，而Luminance这样的初创公司则通过解决特定部门中非结构化数据的解析问题(目前是法律专业)来与Eigen采取类似的方法。
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的东西，值得称赞。” “他们不仅仅是挑选姓名和地址。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。”