现代企业拥有复杂的数据网络，将客户行为等信息与营销活动或欺诈检测联系起来。但是，要对数据进行有用的 AI 预测，通常需要解开数据连接网络。斯坦福培育的一家新创业公司表示，它有一个使用新型人工智能来解决这个问题的解决方案。Kumo 向全世界宣布，获得了 1850 万美元的 A 轮融资，希望能帮助其成为“现代数据堆栈”中人工智能预测的首选软件，这是一套用于存储和利用大量数据的云计算工具数据的。红杉资本以1亿美元的估值领投；additional participation came from Ron Conway’s SV Angel and his son Ronny Conway’s A Capital。这家位于加利福尼亚州山景城的初创公司是四个月前由创始人 Vanja Josifovski（前 Pinterest 和 Airbnb 的 Homes 业务首席技术官）、Hema Raghavan（前 LinkedIn 工程总监）和斯坦福大学教授 Jure Leskovec 创办的Pinterest 的首席科学家。该公司是由斯坦福大学的 Leskovec 团队与德国多特蒙德大学联合进行的五年学术研究的成果。他们专注于一种新兴的人工智能形式，称为“图神经网络”，它通过将数据视为复杂的图网络来处理机器学习。旧形式的神经网络已经擅长处理“结构化数据”的任务，如图像识别或语音检测，但受到无序连接数据的阻碍。
团队
表示学习导致了人工智能在图像和语言处理方面的突破——但迄今为止，表示学习方法在很大程度上受限于图像（矩阵）和文本（序列）的适用性。
图神经网络 (GNN) 将表示学习推广到图数据。GNN 是唯一不固定但适应基础数据形状和结构的深度学习架构
Kumo 以一种可扩展且易于使用的方式将 GNN 引入企业数据。Kumo 摄取原始企业数据并学习以图形形式自动和优化地表示它，即使使用较少的训练数据也能提供更高的准确性。
