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接口”的初创公司，上周宣布它在由多产的数据科学家 Andrew Ng 的基金和 Defy Partners 共同领导、Madrona 参与的 A 系列融资中筹集了 1000 万美元Venture Group 和 Bezos Expeditions 。该公司表示，随着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 占据了被称为“MLOps”的行业细分市场，这是一个新的学科，涉及数据科学家和 IT 专业人员之间的合作，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。但某些细微差别会使实施 MLOps 成为一项挑战。

文章插图
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家基础人工智能研究机构。Alessya Visnjic 在亚马逊工作了 9 年时间开发机器学习基础设施，于 2019 年与 Andy Dang、Sam Gracie 和 Maria Karaivanova 共同创立了这家公司。Dang 曾在亚马逊的机器学习平台工作，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 担任执行职务。
“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，”Visnjic 通过电子邮件告诉 VentureBeat 。“我很快就发现，人们在 DevOps 中依赖的工具种类并不适合 AI 应用程序。AI 需要自己的工具生态系统。”
人工智能可观察性
WhyLabs 旨在使 AI 从业者能够以与平台无关的分散方式监控数据和模型的健康状况。该平台自 10 月起作为自助式软件即服务产品提供，提供用于监控生产中的模型和数据流的工具，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，这会导致问题，因为预测变得不那么准确。)一旦识别出警报，平台的调试功能将有助于问题的根本原因分析，包括修复。
“借助WhyLabs，机器学习和数据团队能够自动执行大部分日常运营任务，并最大限度地缩短解决机器学习和数据故障的时间。最终，使用WhyLabs 的好处是团队能够专注于构建更多更好的模型，改善客户体验和业务运营，”Visnjic 说。
WhyLabs 还提供了一个用于登录机器学习应用程序的开源包，称为Whylogs，Visnjic 声称自 2020 年 9 月推出以来已被下载超过 100,000 次。她补充说：“像 Stitch Fix 和雅虎日本这样的行业思想领袖与WhyLabs 合作构建了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。
竞赛
WhyLabs与在MLOps和数据可观察市场，包括一些初创公司的竞速赛绢，蒙地卡罗，Cribl，Acceldata和大眼。但该初创公司声称自 10 月以来已为其客户群增加了 22 家新组织，包括物流、金融科技、营销科技、零售和医疗保健领域的品牌。
如果数字化转型浪潮持续，WhyLabs 将为未来几个月的增长做好准备。调查结果表明，随着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% 的公司表示他们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。在那些这样做的人中，还有28% 的人无论如何都失败了。

以上关于本文的内容，仅作参考！温馨提示：如遇健康、疾病相关的问题，请您及时就医或请专业人士给予相关指导!

「四川龙网」www.sichuanlong.com小编还为您精选了以下内容，希望对您有所帮助：