Ken Van Haren 和 Chris Stanley 分别是谷歌和 Square 的数据科学家，他们发现自己对花在争论基础设施上而不是花在实际数据科学上的时间感到沮丧。在调查他们的同事时，他们发现这是一个普遍的问题。根据一项民意调查，数据科学家将一半以上的时间用于清理和组织数据，其余大部分时间用于收集数据集。
为了简化繁重的工作，Van Haren 和 Stanley 推出了Patterns ，这是一个抽象出 AI 模型工程的平台。在 Y Combinator 和天使投资人 Lenny Rachitsky 的支持下，Patterns 最近完成了 250 万美元的种子轮融资。
Van Haren 在电子邮件采访中告诉 TechCrunch：“Patterns 是任何希望为 AI 新世界做准备的高管的平台，保持领先于它将给他们的业务带来的转型，并开始将核心 AI 功能构建到他们的产品和运营中” . “我们帮助公司应对 AI 令人难以置信的进步速度，这涉及快速适应新模型和范例。”
Patterns 的平台允许用户从一组模块化组件中使用 AI 构建集成、自动化和工作流。根据 Van Haren 的说法，它本质上是将工作流逻辑和基础设施包装在一个软件层中。
首先，客户使用预建连接器库将应用程序连接到 Patterns。然后，他们在 Patterns 的基于 Web 的IDE中使用代码构建了一个用例——运送最终产品并可选择使用平台的分析和调试工具监控其性能。
模式平台。图片来源：模式
那么，您可以使用 Patterns 构建什么？范哈伦给出了他自己实验的例子。他使用类似于 ChatGPT 的大型语言模型，在投资者、公司和筹款轮次的 CrunchBase 数据库之上构建了一个自由形式的问答机器人。对于另一个演示，Van Haren 在超过 650 万条Hacker News评论的数据集上微调了 OpenAI 的GPT-3语言模型，用他的话说，“在一个机器人中代表了 HN 社区的集体智慧。”
Van Haren 说：“人们对 AI 感到兴奋，并且希望超越在操场上玩耍的范围。” “模式为他们提供了一种快速而强大的方法来开发 AI 并将其部署到实际问题中。”
Patterns 具有 MLOps 平台的元素——即用于构建、测试机器学习模型并将其部署到生产中的平台。 MLOps 是一个新兴领域，许多供应商都在争夺市场份额和 VC 资金。
据估计，到 2025 年，MLOps 市场可能达到 40 亿美元。
有为人工智能模型开发提供平台的Galileo ，还有Qwak ，其完全托管的平台结合了机器学习工程和数据管理工具。该领域的其他竞争对手包括面向企业的Diveplane 、 Tecton 、 Arize 、 Iterative 、 Comet和Weights & Biases 。
尽管存在竞争，但 Van Haren 表示，Patterns 吸引用户没有遇到任何问题，如今其用户群已增至 1,500 人左右。 （他没有透露有多少百分比是付费客户，但他确实说过 Patterns 预计将在今年某个时候完成一份政府合同。）
Patterns 的近期计划是增加员工人数，目前有四名全职员工，其中包括 Van Haren 和 Stanley。
Y Combinator 支持的 Patterns 正在构建一个平台来抽象掉数据科学的繁忙工作，作者Kyle Wiggers最初发表于TechCrunch