Ícono del sitio La Neta Neta

La plataforma MLOps Seldon recauda £ 20M Serie B para mejorar las producciones de modelos de IA

La plataforma MLOps Seldon recauda £ 20M Serie B para mejorar las producciones de modelos de IA

El auge de ChatGPT ha impulsado el aumento de la conciencia pública sobre la IA, así como el creciente discurso sobre la ética de la IA. ¿Cómo se debe usar la IA? ¿Cuáles son sus implicaciones para la sociedad, no sólo para las empresas?

El sesgo inherente dentro de las aplicaciones de IA (recuerde, no se trata solo de cómo se construye el algoritmo y por quién, sino también de cómo se construye el modelo en sí) significa que debemos andar con cuidado en este nuevo y valiente mundo de la IA.

Después de todo, ha habido ejemplos muy públicos de sesgos políticos y de género exhibidos por las plataformas de IA. El director ejecutivo de OpenAI, Sam Altman, admitió el mes pasado que ChatGPT tiene “deficiencias en torno al sesgo”. Pero esos sesgos y fallas pueden tener efectos de gran alcance cuando se aplican a áreas como plataformas de seguros o descubrimiento de fármacos, donde las implicaciones de tomar decisiones equivocadas pueden ser enormes.

MLOps (una combinación de “Machine learning” y DevOps) es un conjunto de prácticas que busca implementar y mantener modelos de aprendizaje automático en producción de manera confiable y eficiente, y monitorear esos sesgos. En pocas palabras, las prácticas de MLOps son utilizadas por los ingenieros de Data Scientist, DevOps y Machine Learning para hacer la transición de un algoritmo de IA a modelos de producción de trabajo cotidiano. La idea aquí es mejorar la automatización del modelo y, al mismo tiempo, vigilar los requisitos comerciales y regulatorios en torno al sesgo, así como otros aspectos de la IA. Mejorar la eficiencia también tiene un impacto ambiental positivo.

Seldon es una startup del Reino Unido que se especializa en este mundo enrarecido de herramientas de desarrollo para optimizar los modelos de aprendizaje automático. Tiene competidores en la forma de Arise, Fiddler ($45,2 millones en financiamiento), Dataiku ($846,8 millones en financiamiento) y DataRobot ($1 mil millones en financiamiento).

La plataforma de implementación de aprendizaje automático independiente de la nube de Seldon obtuvo una Serie A de 7,1 millones de libras esterlinas de AlbionVC y Cambridge Innovation Capital en 2020.

Ahora ha recaudado una ronda de financiación de la Serie B de $ 20 millones dirigida por un nuevo inversor Píxel brillante (anteriormente Sonae IM). También participaron los inversores existentes AlbionVC, Cambridge Innovation Capital y Amadeus Capital Partners.

Los fundadores Alex Housley (CEO) Clive Cox (CTO) afirman haber logrado una tasa de crecimiento interanual del 400 % para los marcos de trabajo de código abierto de Seldon desde su serie A en noviembre de 2020. Eso es importante, porque su red de código abierto le permite distribuir sus soluciones propietarias lejos de manera más eficiente y rentable.

“Seldon se ha diferenciado al presentar una solución única que puede reducir la fricción para los usuarios que implementan y explican modelos ML en cualquier industria. Esto significa más productividad para sus clientes, un tiempo de valor más rápido combinado con capacidades de gobierno, riesgo y cumplimiento”, dijo Pedro Carreira, director de Bright Pixel en un comunicado.

Los clientes actuales de Seldon incluyen PayPal, Johnson & Johnson, Audi y Experian, entre otros.

En una entrevista, Alex Housley, fundador y director ejecutivo de Seldon, me dijo: “La IA está en todo, y Seldon está en una posición única. “Ya tenemos una posición sólida en nuestra distribución de código abierto, y lo que acabamos de validar es un nuevo concepto en MLOps centrados en datos, con una estrecha integración en torno a los flujos de datos y la producción. En pocas palabras, puede mejorar un modelo de IA a través de su algoritmo, pero eso tiene pequeñas mejoras. Alternativamente, y este es nuestro enfoque, puede obtener mucho más rendimiento mejorando la producción de la calidad de los datos. Eso es lo que hemos estado trabajando con la Universidad de Cambridge, con un éxito significativo”.

Según la ‘Encuesta sobre el estado de la infraestructura de IA, 2023’ de Run:ai, en el 88 % de las empresas, más de la mitad de estos modelos nunca llegan a la producción. ¿Por qué? Porque los proyectos se estancan o hay una duplicación de esfuerzos en los silos comerciales.

Seldon afirma que puede ayudar a los equipos a colaborar mejor para acelerar el tiempo de implementación en un promedio del 84 %. Esto podría ser importante, dado que hay mucha más regulación sobre la IA (como a través de la IA ACT de la UE y la EEOC de los EE. UU.). Seldon, y sus competidores, están compitiendo para ayudar a las empresas a seguir cumpliendo con esas regulaciones, pero mejorando estos modelos de IA internamente.

La empresa ha colaborado estrechamente con Neil Lawrence, el profesor inaugural de aprendizaje automático de DeepMind en la Universidad de Cambridge.


Source link
Salir de la versión móvil