Heartex 是一家自称为“开源”数据标签平台的初创公司，今天宣布在 Redpoint Ventures 领投的 A 轮融资中获得 2500 万美元。 Unusual Ventures、Bow Capital 和 Swift Ventures 也参与其中，使 Heartex 的总资本筹集到了 3000 万美元。
联合创始人兼首席执行官 Michael Malyuk 表示，新资金将用于改进 Heartex 的产品，并在年底前将公司的员工人数从 28 人扩大到 68 人。
“来自工程和机器学习背景，[Heartex 的创始团队] 知道机器学习和人工智能可以为组织带来什么价值，”Malyuk 通过电子邮件告诉 TechCrunch。 “当时，我们都在不同的公司和不同的行业工作，但由于训练数据质量差，我们在模型准确性方面面临着同样的困难。我们一致认为，唯一可行的解决方案是让具有领域专业知识的内部团队负责注释和管理训练数据。除了你自己的专家，谁能提供最好的结果？”
软件开发人员 Malyuk、Maxim Tkachenko 和 Nikolay Lyubimov 于 2019 年共同创立了 Heartex。Liubimov 在加入 Yandex 之前是华为的高级工程师，在那里他担任语音技术和对话系统的后端开发人员。
Heartex 的仪表板。
与有时被称为“俄罗斯谷歌”的公司 Yandex 的关系可能会让一些人感到不安——特别是考虑到欧盟指责Yandex 的新闻部门在传播克里姆林宫宣传方面发挥了相当大的作用。 Heartex 在加利福尼亚州旧金山设有办事处，但该公司的几位工程师都在前苏联格鲁吉亚共和国工作。
当被问及时，Heartex 表示它不收集任何客户数据，并开源其标签平台的核心以供检查。 “我们已经建立了一个数据架构，使客户存储中的数据保持私密，将数据平面和控制平面分开，”Malyuk 补充道。 “关于团队和他们的位置，我们是一个非常国际化的团队，目前在俄罗斯没有成员。”
撇开其地缘政治关系不谈，Heartex 旨在解决 Malyuk 认为的企业中的一个主要障碍：通过利用人工智能从数据中提取价值。越来越多的企业旨在成为“以数据为中心”——Gartner 最近报告称，在过去几年中，企业对人工智能的使用增长了 270%。但许多组织都在努力充分利用人工智能。
“在特定于算法的开发中达到了收益递减的地步，企业正在投资完善数据标签，作为其以数据为中心的战略计划的一部分，”Malyuk 说。 “这是从早期几乎完全专注于算法开发和调整的开发实践的进步。”
如果如 Malyuk 所言，数据标签越来越受到追求人工智能的公司的关注，那是因为标签是人工智能开发过程的核心部分。许多人工智能系统“学习”从人类注释者团队标记的示例中理解图像、视频、文本和音频。标签使系统能够将示例之间的关系（例如，标题“厨房水槽”：和厨房水槽的照片之间的链接）推断为系统以前从未见过的数据（例如，厨房水槽的照片）未包含在用于“教授”模型的数据中）。
问题是，并非所有标签都是平等的。标记法律合同、医学图像和科学文献等数据需要领域专业知识，而不仅仅是任何注释者都具备。而且——作为人类——注释者会犯错误。在麻省理工学院对流行的人工智能数据集的分析中，研究人员发现了错误标记的数据，例如一种狗与另一种狗混淆，以及被归类为哨子的 Ariana Grande 高音。
Malyuk 没有声称 Heartex 完全解决了这些问题。但在一次采访中，他解释说，该平台旨在支持不同人工智能用例的标签工作流程，其功能涉及数据质量管理、报告和分析。例如，使用 Heartex 的数据工程师可以查看注释者和数据审查者的姓名和电子邮件地址，这些信息与他们提供或审核的标签相关联。这有助于监控标签质量——理想情况下——在问题影响训练数据之前解决问题。
“高管层的角度非常简单。这一切都是为了提高生产 AI 模型的准确性，以实现项目的业务目标，”Malyuk 说。 “我们发现，大多数负责人工智能、机器学习和/或数据科学的高管都通过经验证实，通过对人员、流程、技术和数据进行更多战略投资，人工智能可以为跨大量不同用例的业务。我们还看到成功具有滚雪球效应。早期获得成功的团队能够更快地创建额外的高价值模型，不仅基于他们的早期学习，还基于使用生产模型产生的额外数据。”
在数据标注工具集领域，Heartex 与包括AIMMO 、 Labelbox 、 Scale AI和Snorkel AI在内的初创公司以及谷歌和亚马逊（分别通过 Google Cloud 和SageMaker提供数据标注产品）展开竞争。但Malyuk 认为，Heartex 专注于软件而非服务，这使其与众不同。与许多竞争对手不同，这家初创公司不通过其平台销售标签服务。
“由于我们构建了一个真正的横向解决方案，我们的客户来自各个行业。我们有小型初创公司作为客户，还有几家财富 100 强公司。 [我们的平台]已被全球超过 100,000 名数据科学家采用，”Malyuk 表示，但拒绝透露收入数字。 “[我们的客户] 正在建立内部数据注释团队并购买 [我们的产品]，因为他们的生产 AI 模型表现不佳，并且认识到训练数据质量差是主要原因。”