Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

Arize 投资 3800 万美元为企业发展其 MLOps 平台

Posted on 2022-09-09

Arize AI是一家开发机器学习操作平台的初创公司,今天宣布在由 TCV 领投、Battery Ventures 和 Foundation Capital 参投的 B 轮融资中筹集了 3800 万美元。将 Arize 的总资本筹集到 6200 万美元,首席执行官 Jason Lopatecki 表示,新的现金将用于扩大研发规模,并在明年将公司的 50 名员工人数增加一倍。

机器学习操作或 MLOps 与在生产中部署和维护机器学习模型有关。与 DevOps 类似,MLOps 旨在提高自动化程度,同时提高生产模型的质量——但不会以牺牲业务和监管要求为代价。鉴于企业对机器学习和人工智能的兴趣更广泛,MLOps 预计将成为一个大市场也就不足为奇了,IDC 预计到 2025 年其规模将达到 7 亿美元左右。

Arize 由 Lopatecki 和 Aparna Dhinakaran 于 2019 年创立,此前 Lopatecki 以约 5.5 亿美元的价格将之前的初创公司 TubeMogul 卖给了 Adob​​e。 Lopatecki 和 Dhinakaran 第一次见面是在 TubeMogul,事实上,在加入 Uber 从事机器学习基础设施工作之前,Dhinakaran 是一名数据科学家。

Lopatecki 在接受 TechCrunch 采访时表示:“在观察一个又一个团队之后——年复一年——既无法理解交付到生产中的模型出了什么问题,又难以理解模型一旦部署后在做什么,我们得出的结论是,从根本上缺少了一些东西。”电子邮件采访。 “如果未来是人工智能驱动的,那么就需要有软件来帮助人类理解人工智能、分解问题并解决问题。没有机器学习可观察性的人工智能是不可持续的。”

Arize 肯定不是第一个解决数据科学中此类挑战的人。另一家 MLOps 供应商Tecton最近筹集了 1 亿美元来构建其机器学习模型实验平台。该领域的其他参与者包括Galileo 、 Modular 、 Gantry和Grid.ai ,其中最后一家在 6 月获得了 4000 万美元,用于推出一系列组件,为应用程序添加 AI 功能。

阿里泽

图片来源: Arize

但 Lopatecki 声称 Arize 在几个方面是独一无二的。首先是对可观察性的关注:Arize 的嵌入产品旨在查看深度学习模型并了解其结构。 “偏见追踪”对其进行了补充,这是一种监控模型偏见的工具(例如,识别黑人的频率低于皮肤较浅的受试者的面部识别模型)——并试图追溯导致偏见的数据。

最近,Arize 推出了嵌入漂移监测,它试图检测模型何时由于过时的训练数据而变得不那么准确。例如,如果语言模型在回答“谁是现任美国总统?”的问题时回答“唐纳德·特朗普”,漂移监控可能会提醒 Arize 客户。

“Arize 脱颖而出…… [因为] 我们专注于做好一件困难的事情:机器学习可观察性,”Lopatecki 说。 “最终,我们相信机器学习基础设施将看起来像软件基础设施,具有许多市场领先的同类最佳解决方案,机器学习工程师使用这些解决方案来构建出色的机器学习。”

Lopatecki 说,Arize 的第二个区别在于其领域专长。他指出,他和 Dhinakaran 都来自学术界,都来自从业者的根基——建立了机器学习基础设施并管理了生产中模型的问题。

“即使是专家和思想领袖的团队,也无法跟上每一个新模型架构和每一个新突破,”Lopatecki 说。 “就像团队完成构建最新模型一样快,他们通常会跳到业务需要的下一个模型。这几乎没有时间深入反思这些模型每天做出的数十亿个决策以及这些模型对企业和个人的影响……这就是为什么 Arize 花了一年多的时间来构建一个产品来监控深度学习模型和设计的工作流程以解决他们出错的地方。”

有些人可能会(正确地)争辩说,Arize 的竞争对手在他们的队伍中也有专家,在他们的产品套件中也有可观察性和监控解决方案。但从 Arize 令人印象深刻的客户名单来看,这家初创公司正在做出令人信服的销售宣传。优步、Spotify、eBay、Etsy、Instacart、宝洁、TransUnion、Nextdoor、Stitch Fix 和 Chick-fil-A 都是 Arize 的付费客户,该公司的免费套餐(今年早些时候推出)拥有超过 1000 名用户。

然而,妈妈是关于年度经常性收入的词。 Lopatecki 坚持认为,B 系列的资金将为公司提供“充足的跑道”, 但宏观环境是该死的。

“在医疗保健领域,有些团队使用 Arize 来确保使用图像的癌症检测模型在生产中与广泛的癌症类型保持一致。此外,还有一些团队使用 Arize 来确保标准护理决策中使用的模型和保险体验在不同种族群体中是一致的,”Lopatecki 补充道。 “随着模型变得越来越复杂,我们看到即使是最大和最复杂的机器学习团队也意识到他们宁愿将时间和精力投入到构建更好的模型上,而不是构建机器学习可观察性工具……Arize 帮助从业者提高回报模型投资并为商业领袖量化结果[并提供]市场领先的软件来监控人工智能投资的风险。”

Arize 斥资 3800 万美元为企业发展其 MLOps 平台,作者Kyle Wiggers最初发表在TechCrunch上

原文: https://techcrunch.com/2022/09/08/arize-lands-38m-to-grow-its-mlops-platform-for-the-enterprise/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • A List Apart
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Alin Panaitiu
  • Anil Dash
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brent Simmons
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Pieter Levels
  • PostHog
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Slava Akhmechet
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2026 搞英语 → 看世界 | Design: Newspaperly WordPress Theme