Ícono del sitio La Neta Neta

TubeMogul y ex alumnos de Uber lanzan Arize AI para la observabilidad de la IA

Battery Ventures lidera la ronda de $ 19 millones de Arize AI para la observabilidad de ML

Una nueva startup llamada Arizar IA está construyendo lo que llama una plataforma de análisis en tiempo real para la “observabilidad” en inteligencia artificial y aprendizaje automático.

La compañía está dirigida por el CEO Jason Lopatecki, quien también se desempeñó como director de estrategia y director de innovación en TubeMogul, la empresa de publicidad en video adquirida por Adobe. El cofundador y ex director ejecutivo de TubeMogul, Brett Wilson, es inversor y miembro de la junta.

Si bien Arize AI solo está saliendo de forma sigilosa hoy, ya ha recaudado $ 4 millones en fondos liderados por Foundation Capital, con la participación de Wilson y Trinity Ventures.

Y ya ha realizado una adquisición: una startup respaldada por Y Combinator llamada Supervisar aprendizaje automático. Todo el equipo de Monitor ML se unirá a Arize, y su directora ejecutiva, Aparna Dhinakaran (que anteriormente creó la infraestructura de aprendizaje automático en Uber), se convertirá en cofundadora y directora de productos de Arize.

Lopatecki y Dhinakaran dijeron que incluso cuando dirigían dos nuevas empresas separadas, estaban tratando de resolver problemas similares, problemas que ambos vieron en grandes empresas.

“Las empresas están implementando estos modelos complejos que son difíciles de entender, no son fáciles de solucionar o depurar”, dijo Lopatecki. Por lo tanto, si un modelo de IA o ML no ofrece los resultados deseados, “el estado actual del arte es: presenta un ticket, el científico de datos regresa con una respuesta complicada, todos se rascan la cabeza, todos esperan que el problema haya desaparecido. . A medida que introduce más y más modelos en la organización, eso no es lo suficientemente bueno”.

De manera similar, Dhinakaran dijo que en Uber, vio que su equipo pasaba mucho tiempo “respondiendo a la pregunta: ‘Oye, ¿el modelo se está desempeñando bien?’ Y sumergirse en el rendimiento de ese modelo fue realmente un problema difícil”.

Para resolverlo, dijo: “La primera fase es: ¿Cómo podemos hacer que sea más fácil obtener estos análisis e información en tiempo real sobre su modelo directamente a las personas que lo monitorean en producción, el científico de datos o el gerente de producto o ¿Equipo de ingeniería?”

Lopatecki agregó que Arize AI proporciona más que solo “una métrica que dice que es bueno o malo”, sino una amplia gama de información que puede ayudar a los equipos a ver cómo se está desempeñando un modelo, y si hay problemas, si esos problemas son con los datos o con el propio modelo.

Además de brindar a las empresas un mejor manejo de cómo están funcionando sus modelos de IA y ML, Lopatecki dijo que esto también permitirá a los clientes hacer un mejor uso de sus científicos de datos: “[You don’t want] el equipo más pequeño y costoso que soluciona problemas y trata de explicar si fue una predicción correcta o no… Quiere que surjan ideas [to other teams]por lo que su investigador principal está investigando, no explicando esa investigación al resto del equipo”.

Comparó las herramientas de Arize AI con Google Analytics, pero agregó: “No quiero decir que es un tablero ejecutivo, ese no es el posicionamiento correcto de la plataforma. Es un producto de ingeniería, similar a Splunk; en realidad es para ingenieros, no para ejecutivos”.

Lopatecki también reconoció que puede ser difícil entender el panorama de IA y ML en este momento (“Soy técnico, lo hice EECS en Berkeley, entiendo ML extremadamente bien, pero incluso yo puedo estar confundido por algunas de las empresas en este espacio”). Argumentó que, si bien la mayoría de las otras empresas están tratando de abordar todo el proceso de IA, “realmente nos estamos enfocando en la producción”.


Source link
Salir de la versión móvil