galileo, una startup que lanza una plataforma para el desarrollo de modelos de IA, anunció hoy que recaudó $18 millones en una ronda Serie A dirigida por Battery Ventures con la participación de The Factory, Walden Catalyst, FPV Ventures, el cofundador de Kaggle, Anthony Goldbloom, y otros inversores ángeles. El nuevo efectivo eleva el total recaudado de la compañía a $ 23,1 millones y se destinará al crecimiento de los equipos de ingeniería y comercialización de Galileo y a la expansión de la plataforma central para admitir nuevas modalidades de datos, dijo el CEO Vikram Chatterji a TechCrunch por correo electrónico.
A medida que el uso de la IA se vuelve más común en toda la empresa, aumenta la demanda de productos que faciliten la inspección, el descubrimiento y la corrección de errores críticos de la IA. Según uno reciente encuesta (de MLOps Community), el 84,3 % de los científicos de datos y los ingenieros de aprendizaje automático dicen que el tiempo necesario para detectar y diagnosticar problemas con un modelo es un problema para sus equipos, mientras que más de uno de cada cuatro (26,2 %) admite que les lleva una semana o más para detectar y solucionar problemas.
Algunos de esos problemas incluyen datos mal etiquetados, donde las etiquetas utilizadas para entrenar un sistema de IA contienen errores, como una imagen de un árbol etiquetado erróneamente como “planta de interior”. Otros se relacionan con la deriva de datos o el desequilibrio de datos, que sucede cuando los datos evolucionan para hacer que un sistema de IA sea menos preciso (piense en un modelo de mercado de valores entrenado en datos previos a la pandemia) o los datos no son suficientemente representativos de un dominio (por ejemplo, un sistema de datos). conjunto de disparos a la cabeza tiene más personas de piel clara que de piel oscura).
La plataforma de Galileo tiene como objetivo sistematizar las canalizaciones de desarrollo de IA en todos los equipos utilizando “registradores automáticos” y algoritmos que detectan problemas que rompen el sistema. Diseñado para implementarse en un entorno local, Galileo escala en todo el flujo de trabajo de IA, desde el predesarrollo hasta la posproducción, así como en modalidades de datos no estructurados como texto, voz y visión.
En la ciencia de datos, los datos “no estructurados” generalmente se refieren a datos que no están organizados de acuerdo con un modelo o esquema de datos preestablecido, como facturas o datos de sensores. Atindriyo Sanyal, el segundo cofundador de Galileo, argumenta que los procesos basados en secuencias de comandos de Excel y Python para garantizar que los datos de calidad se introduzcan en los modelos son manuales, propensos a errores y costosos.
Una captura de pantalla de Galileo Community Edition. Créditos de imagen: galileo
“Al inspeccionar sus datos con Galileo, los usuarios descubren instantáneamente la larga cola de errores de datos, como datos mal etiquetados, idiomas subrepresentados [and] datos basura sobre los que pueden actuar de inmediato dentro de Galileo eliminando, volviendo a etiquetar o agregando datos similares adicionales de producción”, dijo Sanyal a TechCrunch en una entrevista por correo electrónico. “Ha sido fundamental para los equipos que Galileo admita flujos de trabajo de datos de aprendizaje automático de principio a fin; incluso cuando un modelo está en producción, Galileo informa automáticamente a los equipos sobre desviaciones de datos y muestra los datos de mayor valor para entrenar con ellos a continuación”.
El equipo cofundador de Galileo dedicó más de una década a crear productos de aprendizaje automático, donde dicen que enfrentaron los desafíos de desarrollar sistemas de IA de primera mano. Chatterji dirigió la gestión de productos en Google AI, mientras que Sanyal encabezó la ingeniería en la división de IA de Uber y fue uno de los primeros miembros del equipo de Siri en Apple. El cofundador de Third Galileo, Yash Sheth, es otro veterano de Google que anteriormente dirigió el equipo de la plataforma de reconocimiento de voz de la empresa.
La plataforma de Galileo entra en la floreciente categoría de software conocida como MLOps, un conjunto de herramientas para implementar y mantener modelos de aprendizaje automático en producción. Tiene una gran demanda. Por uno Estimacionel mercado de MLOps podría llegar a $ 4 mil millones para 2025.
No faltan nuevas empresas que buscan el espacio, como Comet, que recaudó $ 50 millones en noviembre pasado. Otros proveedores con respaldo de VC incluyen Arize, Tecton, Diveplane, Iterative e InfuseAI con sede en Taiwán.
Pero a pesar de haberse lanzado hace solo unos meses, Galileo tiene clientes que pagan desde nuevas empresas de “alto crecimiento” hasta compañías Fortune 500, afirma Sanyal. “Nuestros clientes utilizan Galileo mientras crean aplicaciones de aprendizaje automático, como la detección de discursos de odio, la detección de intenciones de llamadas en los centros de contacto y el aumento de la experiencia del cliente con inteligencia artificial conversacional”, agregó.
Sanyal espera que el lanzamiento de la oferta gratuita de Galileo, Galileo Community Edition, aumente aún más las suscripciones. Community Edition permite a los científicos de datos que trabajan en el procesamiento del lenguaje natural construir modelos de aprendizaje automático utilizando algunas de las herramientas incluidas en la versión paga, dijo Sanyal.
“Con Galileo Community Edition, cualquiera puede registrarse de forma gratuita, agregar algunas líneas de código mientras entrena su modelo con datos etiquetados o durante una ejecución de inferencia con datos no etiquetados para inspeccionar, encontrar y corregir errores de datos al instante, o seleccionar los datos correctos para label next usando la poderosa interfaz de usuario de Galileo”, agregó.
Sanyal se negó a compartir las cifras de ingresos cuando se le preguntó. Pero señaló que la plantilla de Galileo, con sede en San Francisco, ha aumentado de 14 personas en mayo a “más de” 20 personas en la actualidad.
Source link