独AIスタートアップkausableは1,200万ユーロのシード調達を発表しました。大量データで何度も再学習する方式ではなく、因果関係を捉えて少ない追加情報から環境変化へ適応する「reasoning-first」モデルを開発します。ロボット、エネルギー、金融など変化の激しい領域で、再学習コストを本当に減らせるかが焦点です。
9人の研究チームに1,200万ユーロ
7月23日の調達はUVC PartnersとEntourageが主導し、HTGFとMätch VCが追加出資しました。kausableは2025年にハイデルベルク大学の研究を基に創業した9人のチームで、資金を人員拡大と、少ないデータで素早く学ぶ基盤モデルの開発に使います。
因果構造から未知の変化を読む
同社の考え方は、過去のパターンを記憶するだけでなく、変数間の因果構造を推定して未知の状況を予測することです。すでに複雑な動的システムのまれな転換を予測するゼロショットモデルTipPFNと、Columbia Universityとの因果推論ベンチマークを公表しています。
再学習不要という主張の見方
設備、需要、価格など条件が頻繁に変わる産業で再学習の回数を減らせれば、個別案件ごとのデータ準備と計算費用を抑え、AI導入を横展開しやすくなります。欧州発の基盤モデルとして、域内の技術主権を重視する企業にも選択肢が増えます。 「再学習不要」は会社が掲げる開発目標であり、あらゆる実環境で検証済みという意味ではありません。公開研究は技術的な土台を示しますが、実データでの精度、説明可能性、既存モデルとの費用比較、規制産業での検証結果を確認する必要があります。