TruEra recauda $ 25 millones para su plataforma de análisis y monitoreo de IA

TruEra recauda $ 25 millones para su plataforma de análisis y monitoreo de IA

TruEra, una startup que ofrece una solución de gestión de calidad de IA para optimizar, explicar y monitorear modelos de aprendizaje automático, anunció hoy que ha recaudado una ronda Serie B de USD 25 millones liderada por Menlo Ventures. Los inversores existentes Greylock Partners, Wing Venture Capital (que lideró su ronda Serie A de $ 12 millones a fines de 2020), Harpoon Ventures, Conversion Capital, Data Community Fund, así como los nuevos inversores Forgepoint Capital y Ascent Fund de B Capital Group también participaron en esta ronda En total, TruEra ahora ha recaudado $ 42,3 millones.

“Creemos que el próximo gran desafío en IA es el desafío de la calidad”, CEO y cofundador de TruEra Will upington dijo. “La IA se encuentra en un punto de inflexión: muchas oportunidades pero también muchos desafíos para hacer que la IA realmente funcione en la empresa. Y creemos que ese es el principal problema que impide que los sistemas de IA se usen en el mundo real y realmente cumplan con los KPI”.

Créditos de imagen: TruEra

Uppington argumenta que, para empezar, no solo es difícil diseñar y construir modelos de alta calidad, sino que también hay muchas preocupaciones en torno a la confianza, la transparencia y la equidad cuando se trata de poner modelos en producción, y la creciente presión regulatoria en torno a la equidad de la IA es dando a las empresas una pausa porque necesitan implementar sistemas auditables para cumplir con estas reglas. Y una vez que un modelo finalmente se puede poner en producción, las empresas deben asegurarse de que la calidad se mantenga alta, incluso cuando cambien algunos de los datos subyacentes.

TruEra argumenta que una solución de gestión de calidad de IA empresarial debe abordar estos problemas de frente, comenzando con herramientas que los desarrolladores pueden usar mientras entrenan el modelo para que puedan probar y evaluar sus modelos mucho antes de que entren en producción. Para hacer esto, el servicio de la compañía se puede integrar directamente en el tipo de cuadernos Jupyter que la mayoría de los científicos de datos ya están usando para construir sus modelos, por ejemplo.

“Estamos en el espacio donde estaba el desarrollo de software en los años 90, antes de que hubiera herramientas y metodologías de desarrollo ágiles”, dijo Uppington. “La ciencia de datos es una cascada y los modelos siguen siendo una caja bastante negra. Eso reduce la calidad de su proceso de desarrollo, tal como sucedió con el desarrollo de software en los años 90. […] Creemos que podemos ayudar al mundo a obtener esas mejores herramientas y un desarrollo más ágil con este tipo de pruebas de calidad rápidas e integrales y haciendo que sea realmente fácil de usar para los científicos de datos”.

La compañía dice que vio crecer sus ingresos más de 5 veces desde que aumentó su ronda Serie A a fines de 2020. En parte, señaló Uppington, eso se debe al hecho de que muchas empresas ahora están llegando al punto en su viaje de IA donde quieren poner modelos en producción y están comenzando a enfrentar estos desafíos de calidad. Agregue a eso el entorno regulatorio y algunas fallas de alto perfil (piense en Zillow), y es un buen momento para estar en el espacio de calidad de la IA.

El socio de Menlo Ventures, Tim Tully, ex CTO de Splunk, también enfatizó que TruEra aborda el problema a través de la lente del modelo, con el cofundador y científico jefe Anupam Datta habiendo realizado algunos de los primeros trabajos académicos sobre la explicabilidad de la IA como profesor en Carnegie Mellon.

“Si yo fuera el científico de datos de aprendizaje automático, ¿qué querría usar? Observé todas las empresas y busqué la que proporcionó la profundidad y abordó el problema a través de la lente del modelo, a diferencia de la dirección opuesta, lo que creo que es completamente incorrecto”, dijo Tully. “Y, francamente, creo que muchos de los productos son muy superficiales en el tratamiento del problema. Quiero profundizar mucho en esto y quiero ver una investigación patentada que genere distancia con los competidores”.

Tomar bibliotecas Python de código abierto y poner una interfaz de usuario encima de ellas no es suficiente en este mercado, agregó Tully.


Source link