LatticeFlow是一家于 2020 年从苏黎世 ETH 分拆出来的初创公司,它通过自动诊断问题并改进数据和模型本身来帮助机器学习团队改进他们的 AI 视觉模型。该公司今天宣布,它已经筹集了 1200 万美元的 A 轮融资,由 Atlantic Bridge 和 OpenOcean 牵头,FPV Ventures 参投。去年领导该公司280万美元种子轮融资的现有投资者btov Partners和Global Founders Capital也参与了这一轮融资。
正如 LatticeFlow 联合创始人兼首席执行官 Petar Tsankov 告诉我的那样,该公司目前在欧洲和美国拥有 10 多家客户,其中包括西门子等多家大型企业和瑞士联邦铁路等组织,目前正在运行的飞行员相当多。还有几个。正是这种客户需求导致 LatticeFlow 在这一点上筹集资金。
“我当时在美国,在帕洛阿尔托会见了一些投资者,Tsankov 解释说。 “他们看到了我们在新客户方面遇到的瓶颈。我们确实有机器学习工程师为客户提供支持,这不是你经营公司的方式。他们说:“好吧,拿 1200 万美元,把这些人带进来并扩大规模。”那肯定是个好时机,因为当我们与其他投资者交谈时,我们确实看到市场已经发生了变化。”
正如 Tsankov 和他的联合创始人 CTO Pavol Bielik 指出的那样,当今大多数企业都很难将他们的模型投入生产,然后,当他们这样做时,他们往往会意识到自己的表现不如预期。 LatticeFlow 的承诺是它可以自动诊断数据和模型以发现潜在的盲点。例如,在与一家大型医疗公司合作时,其分析数据集和模型的工具迅速在其最先进的生产模型中发现了六个以上的关键盲点。
该团队指出,仅查看训练数据并确保有一组多样化的图像(就 LatticeFlow 专门研究的视觉模型而言)是不够的,还要检查模型。
LatticeFlow 创始团队(从左至右):Andreas Krause 教授(科学顾问)、Petar Tsankov 博士(CEO)、Pavol Bielik 博士(CTO)和 Martin Vechev 教授(科学顾问)。图片来源: LatticeFlow
“如果你只看数据——这是L atticeFlow的一个根本区别,因为我们不仅发现了标准数据问题,如标签问题或劣质样本,而且还发现了模型盲点,即模型存在的场景失败了,”Tsankov 解释说。 “一旦模型准备好,我们就可以使用它,找到各种数据模型问题并帮助公司修复它。”
例如,他指出,模型通常会发现隐藏的相关性,这些相关性可能会混淆模型并扭曲结果。例如,在与使用 ML 模型自动检测汽车图像中的凹痕、划痕和其他损坏的保险客户合作时,该模型通常会将带有手指的图像标记为划痕。为什么?因为在训练集中,客户经常会拍一张有划痕的特写照片,然后用手指指向它。不出所料,该模型会将“手指”与“划痕”相关联,即使汽车上没有划痕。 LatticeFlow 团队认为,这些问题不仅仅是创建更好的标签,还需要一个可以同时查看模型和训练数据的服务。
LatticeFlow 揭示了用于训练汽车损坏检查 AI 模型的数据偏差。因为人们经常指向划痕,这会导致模型了解到手指表示损坏(一种虚假特征)。此问题已通过从所有图像中删除手指的自定义增强来解决。图片来源: LatticeFlow
值得注意的是,LatticeFlow 本身并不从事培训业务。该服务适用于预先训练的模型。目前,它还专注于将其服务作为本地工具提供,尽管它可能在未来也提供完全托管的服务,因为它利用新资金积极招聘,以更好地服务于现有客户和建立其产品组合。
“令人痛苦的事实是,如今,大多数大规模人工智能模型部署在现实世界中根本无法可靠运行,”大西洋桥的运营合伙人 Sunir Kapoor 说。 “这主要是由于缺乏帮助工程师有效解决关键 AI 数据和模型错误的工具。但是,这也是大西洋桥团队如此明确地做出投资 LatticeFlow 的决定的原因。我们相信该公司已准备好实现巨大的增长,因为它目前是唯一一家能够大规模自动诊断和修复 AI 数据和模型缺陷的公司。”
LatticeFlow 筹集了 1200 万美元以消除Frederic Lardinois最初发表在TechCrunch上的计算机视觉盲点
原文: https://techcrunch.com/2022/10/26/latticeflow-raises-12m-to-eliminate-computer-vision-blind-spots/