随着科技世界越来越接近人工智能的概念，我们看到另一个有趣的主题出现在正在进行的人工智能民主化中：一波初创公司构建技术以使人工智能技术更容易被更广泛的用户和组织。
今天，其中之一， Baseten——它正在构建技术，以便更容易地将机器学习融入企业的运营、生产和流程，而不需要专业的工程知识——宣布融资 2000 万美元并正式推出其工具。
其中包括一个客户端 API 和一个预训练模型库，用于部署在 TensorFlow、PyTorch 或 scikit-learn 中构建的模型；构建 API 以支持您自己的应用程序的能力；以及基于拖放组件为您的应用程序创建自定义 UI 的能力。
该公司已经在封闭的私人测试版中运营了大约一年，到目前为止已经积累了一批有趣的客户，包括斯坦福大学和悉尼大学、Cockroach Labs 和 Patreon 等，他们使用它来为例如，帮助组织进行自动滥用检测（通过内容审核）和欺诈预防。
2000 万美元现在首次公开讨论，以配合商业发布，它分两批进行，在这些支持者中有着同样显着的名字。
该种子由 Greylock 和 South Park Commons Fund 共同领导，AI Fund、Caffeinated Capital 以及通用智能初创公司 OpenAI 的联合创始人兼首席技术官 Greg Brockman 等个人也参与其中； Figma 联合创始人兼首席执行官 Dylan Field； DeepMind 的联合创始人 Mustafa Suleyman；和美国前首席科学家 DJ Patil。
Greylock 还领导了 A 系列，参与的有 South Park Commons，早期的 Stripe 高管 Lachy Groom； MongoDB 首席执行官 Dev Ittycheria；杰伊西蒙，Atlassian 前总裁，现就职于邦德； Plaid 首席技术官 Jean-Denis Greze；还有另一位前 Stripe 高管 Cristina Cordova。
Baseten 的联合创始人兼首席执行官 Tuhin Srivastava 在接受采访时表示，这笔资金将部分用于引进更多的技术和产品人员，并加速其营销和业务发展。
Baseten 已经确定并试图解决的问题对于人工智能的发展至关重要：机器学习工具正变得越来越普遍和被利用，这要归功于更便宜的计算能力、更好地访问训练模型以及对如何以及它们可以在哪里使用。但是，开发人员仍需实现重大飞跃，企业仍需进行大量投资的一个领域是，在实际采用和集成机器学习方面：开发人员和数据科学家仍需要实际掌握大量技术知识将机器学习整合到他们的工作中。
“我们诞生于机器学习将对世界产生巨大影响的想法，但仍然很难从机器学习模型中提取价值，”Srivastava 说。他说，这很困难，因为开发人员和数据科学家需要具备如何处理机器学习操作的具体知识，以及管理后端和前端生产的技术专长。 “这就是为什么企业中的机器学习程序实际上往往收效甚微的原因之一：将它们投入生产需要付出太多努力。”
这是 Srivastava 和他的联合创始人 Amir Haghighat（首席技术官）和 Philip Howes（首席科学家）在 Gumroad 一起工作时亲身经历的事情。工程主管 Haghighat 以及数据科学家 Srivastava 和 Howes 希望在支付公司使用机器学习来帮助进行欺诈检测和内容审核，并意识到他们需要获得大量额外的完整信息。堆栈工程技能（或聘请专家）来构建和集成机器学习以及运行它所需的所有工具（例如通知并将该数据集成到其他工具中以采取行动）。
他们构建了系统——仍在使用中，并筛选“数亿美元的交易”——但在此过程中也产生了一个想法：其他人肯定也面临着同样的问题，所以为什么不开发一套工具呢？帮助他们所有人并带走一些工作？
如今，Baseten 的主要客户——参考十进制积木，通常用于帮助年轻学生学习数学基础知识（“它使数字系统人性化，我们也想让机器学习变得不那么抽象，”首席执行官说) — 是开发人员和数据科学家，他们可能会采用其他机器学习模型，甚至构建自己的模型，但缺乏将它们实际整合到自己的生产流程中的技能。在那里，Baseten 是一个更大的公司集团的一部分，这些公司似乎正在构建“MLops”解决方案——一整套工具，使机器学习更容易被那些从事 devops 和产品工作的人访问和使用。其中包括 Databricks、Clear、Gathr 等。这里的想法是为技术人员提供工具，让他们拥有更多的权力和更多的时间来处理其他任务。
Patreon 的高级机器学习工程师 Nikhil Harithras 在一份声明中说：“Baseten 将工具构建过程排除在外，因此我们可以专注于我们的关键技能：建模、测量和解决问题。” Patreon 正在使用 Baseten 帮助运行图像分类系统，用于查找违反其社区准则的内容。
随着时间的推移，Baseten 可以采取一个合乎逻辑的步骤，继续其民主化轨迹：考虑如何也为非技术受众构建工具——鉴于许多无代码和低代码产品正在开发中，这是一个有趣的想法推出以赋予他们更多能力来构建自己的数据科学应用程序。
“非技术观众不是我们今天关注的重点，但这就是演变，”斯里瓦斯塔瓦说。 “最高级别的目标是加速机器学习的影响。”