优质边坡防护网：可观测平台筹集了万美元用于监测生产中的模型和数据

优质边坡防护网：ML可观测平台WhyLabs筹集了1000万美元用于监测生产中的模型和数据

WhyLabs是一家建立所谓的“人类与人工智能应用程序之间的界面”的初创公司，上周宣布它在风投集团和贝佐斯探险队的首轮融资中筹集了1000万美元，由多产数据科学家吴恩达和Defy Partners的基金联合牵头，Madrona也参与其中。该公司表示，由于WhyLabs希望扩大其员工队伍和客户群，这笔资金将用于进一步开发其平台。

WhyLabs占据了一个名为“MLOps”的行业细分市场，这是一个涉及数据科学家和IT专业人士合作的新学科，目标是将机器学习算法产品化。据Cognilytica称，到2025年，此类解决方案的市场可能会从最初的3.5亿美元增长到40亿美元。然而，一些微妙的差异将使MLOps的实施成为一个挑战。

WhyLabs是从艾伦人工智能研究所分拆出来的，艾伦人工智能研究所是华盛顿西雅图的一个基础人工智能研究机构。阿莱西娅·维森吉奇在亚马逊工作了9年，开发机器学习基础设施。2019年，他与安迪·当(Andy Dang)、萨姆·格雷西(Sam Gracie)和玛丽亚·卡拉伊万诺娃(Maria Karaivanova)共同创办了这家公司。Dang曾在亚马逊的机器学习平台上工作，包括Sagemaker，而Gracie是亚马逊机器学习小组的主要用户体验设计师。Karaivanova也是一名投资者，此前曾在Cloudflare担任高管职务。

“在任何现代企业中，软件故障都是不可避免的事实。但人工智能失败的奇怪之处在于，大多数问题都源于模型消耗的数据，”维森吉奇通过电子邮件告诉VentureBeat。“我很快发现，人们在DevOps中依赖的那种工具并不适合AI应用。AI需要自己的工具生态系统。”

人工智能的可观察性

WhyLabs旨在使人工智能从业者能够以独立于平台和分散的方式监控数据和模型的健康状况。该平台自10月以来一直作为自助式软件即服务产品提供，提供工具用于监控生产中的模型和数据流，以及用于排名、推荐和个性化、文档理解、图像理解、预测和欺诈检测场景。

WhyLabs提醒数据科学团队注意数据质量问题、数据漂移和其他模型行为偏差。(在机器学习中，“数据漂移”是指模型试图预测的统计属性随时间的变化，这可能会导致问题，因为预测变得不太准确。一旦识别出告警，平台的调试功能将有助于分析问题的根源，包括修复。

“通过WhyLabs，机器学习和数据团队可以自动化大多数日常操作任务，并最大限度地减少解决机器学习和数据故障的时间。最终，使用WhyLabs的优势是团队可以专注于建立更多更好的模型，改善客户体验和业务运营，”维森吉奇说。

WhyLabs还提供了一个用于登录机器学习应用程序的开源包，名为Whylogs。维森吉奇声称，自2020年9月推出以来，它已经被下载了超过10万次。“像Stitch Fix和雅虎日本这样的行业思想领袖与WhyLabs合作建立了Whylogs，并使用它来简化机器学习日志记录和内部机器学习平台的监控，”她补充道。

竞争

WhyLabs在MLOps和data observable市场，包括一些初创公司的racing silk，Monte Carlo，Cribl，Acceldata和Big Eye。但这家初创公司声称，自10月份以来，它的客户群中增加了22个新组织，包括物流、金融技术、营销技术、零售和医疗保健领域的品牌。

如果数字化转型的浪潮继续下去，WhyLabs将在未来几个月为增长做好准备。调查结果显示，由于公司采用人工智能技术，需要提高可观察性。DataIQ最近的一份报告发现，三分之一的公司花了几个月的时间将模型投入生产。机器学习项目的可见性仍然有限，超过45%的公司表示没有收到更新或定期更新。在另一项研究中，47%的项目从未退出测试阶段。在那些做了的人中，有28%的人失败了。

“[我们]拥有企业和自助服务客户，从人工智能优先的初创公司到财富500强公司……我们的目标是为每一位从业者配备人工智能可观察性工具，并监控每一个生产机器学习模型，”维森吉奇继续说道。“产品路线图包括许多基于客户需求的令人兴奋的功能，例如进一步增强平台对非结构化数据用例的支持——特别是图像、音频和自然语言处理。”

到目前为止，WhyLabs有18名员工，共筹集了1400万美元。版权声明:本文内容由网民自发贡献，文中观点仅代表作者本人。本文(http://www.chuangzai.com)仅提供信息存储空服务，不拥有所有权并承担相关法律责任。如果您发现本网站涉嫌抄袭侵权/非法内容，请发送电子邮件至[email protected]举报。一经核实，本网站将被立即删除。