KafesAkış2020’de Zürih’in ETH’sinden ayrılan bir girişim olan , makine öğrenimi ekiplerinin sorunları otomatik olarak teşhis ederek ve hem verileri hem de modelleri geliştirerek yapay zeka görme modellerini geliştirmelerine yardımcı oluyor. Şirket bugün, FPV Ventures’ın katılımıyla Atlantic Bridge ve OpenOcean liderliğindeki 12 milyon $’lık A Serisi finansman turunu artırdığını duyurdu. Şirketin geçen yıl 2,8 milyon dolarlık tohum raunduna liderlik eden mevcut yatırımcılar btov Partners ve Global Founders Capital da bu tura katıldı.
LatticeFlow’un kurucu ortağı ve CEO’su Petar Tsankov’un bana söylediği gibi, şirketin şu anda hem Avrupa’da hem de ABD’de 10’dan fazla müşterisi var. biraz daha. LatticeFlow’un bu noktada yükselmesine neden olan bu müşteri talebidir.
Tsankov, “Amerika’daydım ve Palo Alto’da bazı yatırımcılarla görüştüm. “Onboarding müşterilerle yaşadığımız darboğazı gördüler. Kelimenin tam anlamıyla müşterileri destekleyen makine öğrenimi mühendislerimiz vardı ve şirketi böyle yönetmemelisiniz. Ve dediler ki: ‘Tamam, 12 milyon doları alın, bu insanları getirin ve genişletin.’ Bu kesinlikle harika bir zamanlamaydı çünkü diğer yatırımcılarla konuştuğumuzda pazarın değiştiğini gördük.”
Tsankov ve kurucu ortağı CTO’su Pavol Bielik’in belirttiği gibi, günümüzde çoğu işletme modellerini üretime geçirmekte zorlanıyor ve bunu yaptıklarında da genellikle bekledikleri kadar iyi performans göstermediklerini fark ediyorlar. LatticeFlow’un vaadi, potansiyel kör noktaları bulmak için verileri ve modelleri otomatik olarak teşhis edebilmesidir. Büyük bir medikal şirketle yaptığı çalışmada, veri kümelerini ve modellerini analiz etme araçları, örneğin, son teknoloji üretim modellerinde yarım düzineden fazla kritik kör nokta buldu.
Ekip, yalnızca eğitim verilerine bakmanın ve LatticeFlow’un uzmanlaştığı görüntü modelleri söz konusu olduğunda, çeşitli bir dizi görüntü olduğundan emin olmanın yeterli olmadığını, aynı zamanda modelleri de incelemenin yeterli olduğunu kaydetti.
LatticeFlow kurucu ekibi (soldan sağa): Prof. Andreas Krause (bilimsel danışman), Dr. Petar Tsankov (CEO), Dr. Pavol Bielik (CTO) ve Prof. Martin Vechev (bilimsel danışman). Resim Kredisi: KafesAkış
“Eğer sen sadece bakmak de en veri – ve bu dır-dir a temel farklılaştırıcı için Lçatı katıw çünkü Biz değiliz sadece bul standart veri konular beğenmek etiketleme konular veya yoksul-kalite örnekler, ancak ayrıca model görme engelli noktalar, Hangi vardır en senaryolar nerede en modeller vardır başarısız,” diye açıkladı Tsankov. “Bir kere en model dır-dir hazır, Biz Yapabilmek almak BT, find çeşitli veri model konular ve Yardım Edin şirketler düzeltmek BT.”
Örneğin, modellerin genellikle modeli karıştırabilecek ve sonuçları çarpıtabilecek gizli korelasyonlar bulacağını kaydetti. Örneğin, araba görüntülerindeki oyukları, çizikleri ve diğer hasarları otomatik olarak algılamak için bir ML modeli kullanan bir sigorta müşterisiyle çalışırken, model genellikle içinde parmağı olan bir görüntüyü çizik olarak etiketler. Neden? Niye? Çünkü eğitim setinde müşteriler genellikle bir çizik ile yakın çekim fotoğraf çeker ve parmaklarıyla işaret ederdi. Şaşırtıcı olmayan bir şekilde, model arabada hiçbir çizik olmasa bile “parmak” ile “çizik” arasında ilişki kuracaktı. LatticeFlow ekipleri, bunların daha iyi etiketler oluşturmanın ötesine geçen ve hem modele hem de eğitim verilerine bakabilen bir hizmete ihtiyaç duyan sorunlar olduğunu savunuyor.
LatticeFlow, araç hasar denetimi AI modellerinin eğitimi için verilerdeki bir önyargıyı ortaya çıkarır. İnsanlar genellikle çiziklere işaret ettiğinden, bu, modellerin parmakların hasar gösterdiğini öğrenmesine neden olur (sahte bir özellik). Bu sorun, tüm görüntülerden parmakları kaldıran özel bir büyütme ile giderildi. Resim Kredisi: KafesAkış
LatticeFlow’un kendisi, kayda değer, eğitim işinde değil. Servis önceden eğitilmiş modellerle çalışır. Şimdilik, hizmetini şirket içi bir araç olarak sunmaya da odaklanıyor, ancak gelecekte de tam olarak yönetilen bir hizmet sunabilir, çünkü yeni finansmanı hem mevcut müşterilerine daha iyi hizmet vermek hem de daha iyi hizmet vermek için agresif bir şekilde işe almak için kullanır. ürün portföyünü oluşturmak.
Atlantic Bridge’in işletme ortağı Sunir Kapoor, “Acı gerçek şu ki, günümüzde büyük ölçekli yapay zeka modeli dağıtımlarının çoğu gerçek dünyada güvenilir bir şekilde çalışmıyor” dedi. “Bu, büyük ölçüde mühendislerin kritik AI verilerini ve model hatalarını verimli bir şekilde çözmelerine yardımcı olan araçların olmamasından kaynaklanıyor. Ancak, Atlantik Köprüsü ekibinin LatticeFlow’a yatırım yapma kararına bu kadar açık bir şekilde ulaşmasının nedeni de bu. Şu anda yapay zeka verilerini ve model kusurlarını geniş ölçekte otomatik olarak teşhis eden ve düzelten tek şirket olduğu için şirketin muazzam bir büyümeye hazır olduğuna inanıyoruz.”