Arize AIMakine öğrenimi operasyonları için bir platform geliştiren bir girişim olan , bugün Battery Ventures ve Foundation Capital’in katılımıyla TCV liderliğindeki bir B Serisi turunda 38 milyon dolar topladığını duyurdu. Arize’nin toplam sermayesini 62 milyon dolara yükselten CEO Jason Lopatecki, yeni nakitin Ar-Ge’yi ölçeklendirmek ve şirketin 50 kişilik çalışan sayısını önümüzdeki yıl ikiye katlamak için kullanılacağını söyledi.
Makine öğrenimi operasyonları veya MLO’lar, üretimde makine öğrenimi modellerini dağıtmak ve sürdürmekle ilgilidir. DevOps’a benzer şekilde, MLOps, üretim modellerinin kalitesini iyileştirirken otomasyonu artırmayı amaçlar – ancak iş ve mevzuat gereklilikleri pahasına değil. Kuruluşta makine öğrenimine ve yapay zekaya daha geniş anlamda ilgi göz önüne alındığında, MLOps’un IDC ile büyük bir pazar haline gelmesi şaşırtıcı değil. koyarak büyüklüğü 2025 yılına kadar 700 milyon dolar civarında.
Arize, Lopatecki’nin daha önceki bir startup olan TubeMogul’u Adobe’ye yaklaşık 550 milyon dolara satmasının ardından 2019 yılında Lopatecki ve Aparna Dhinakaran tarafından kuruldu. Lopatecki ve Dhinakaran ilk olarak, Dhinakaran’ın makine öğrenimi altyapısı üzerinde çalışmak üzere Uber’e katılmadan önce veri bilimcisi olduğu TubeMogul’da bir araya geldi.
Lopatecki, TechCrunch’a verdiği demeçte, “Yıllarca ekipler halinde üretime gönderilen modellerde neyin yanlış olduğunu anlamakta ve dağıtıldıktan sonra modellerin ne yaptığını anlamakta güçlük çektikten sonra, temelde bir şeylerin eksik olduğu sonucuna vardık” dedi. bir e-posta röportajı. “Gelecek yapay zeka odaklıysa, insanların yapay zekayı anlamalarına, sorunları çözmelerine ve düzeltmelerine yardımcı olacak bir yazılım olması gerekiyor. Makine öğrenimi gözlemlenebilirliği olmayan yapay zeka sürdürülebilir değil.”
Arize, veri biliminde bu tür zorlukların üstesinden gelen ilk kişi değil. Başka bir MLOps satıcısı olan Tacton, kısa süre önce makine öğrenimi modeli deneme platformunu oluşturmak için 100 milyon dolar topladı. Alandaki diğer oyuncular arasında Galileo, Modular, Gantry ve Grid.ai yer alıyor ve bunların sonuncusu, uygulamalara AI yetenekleri ekleyen bir bileşen galerisi başlatmak için Haziran ayında 40 milyon dolar sağladı.
Resim Kredisi: Arize
Ancak Lopatecki, Arize’nin birçok açıdan benzersiz olduğunu iddia ediyor. Birincisi, gözlemlenebilirliğe odaklanmaktır: Arize’nin yerleştirme ürünü, derin öğrenme modellerinin içine bakmak ve yapılarını anlamak için tasarlanmıştır. Modellerdeki yanlılığı izleyen bir araç olan “Önyargı İzleme” onu tamamlar (örn. daha açık ten) – ve önyargıya neden olan verilere geri dönmeye çalışır.
Yakın zamanda Arize, eski eğitim verilerinin bir sonucu olarak modellerin ne zaman daha az doğru hale geldiğini tespit etmeye çalışan gömülü sürüklenme izlemeyi piyasaya sürdü. Örneğin, bir dil modeli “ABD Başkanı kim?” sorusuna yanıt olarak “Donald Trump” yanıtını verdiğinde, sürüklenme izleme bir Arize müşterisini uyarabilir.
“Arize öne çıkıyor… [because] Lopatecki, lazerle zor bir şeyi iyi yapmaya odaklandık: makine öğrenimi gözlemlenebilirliği” dedi. “Sonuçta, makine öğrenimi mühendisleri tarafından harika makine öğrenimi oluşturmak için kullanılan bir dizi pazar lideri, türünün en iyisi çözümlerle makine öğrenimi altyapısının bir yazılım altyapısı gibi görüneceğine inanıyoruz.”
Lopatecki, Arize’nin ikinci farklılaştırıcısının alan uzmanlığı olduğunu söylüyor. Hem kendisi hem de Dhinakaran akademiden geliyor ve uygulayıcı köklerinden geliyor, diyor – makine öğrenimi altyapısı kurdu ve üretimdeki modellerle ilgili sorunları yönetti.
Lopatecki, “Uzman ve düşünce lideri olan ekipler için bile her yeni model mimarisine ve her yeni buluşa ayak uydurmak imkansız hale geliyor” dedi. “Ekipler en son modellerini oluşturmayı bitirir bitirmez, genellikle işletmenin ihtiyaç duyduğu bir sonraki modele atlıyorlar. Bu, bu modellerin günlük olarak aldığı milyarlarca kararı ve bu modellerin hem işletmeler hem de insanlar üzerindeki etkisini derinlemesine incelemek için çok az zaman bırakıyor… Bu nedenle Arize, derin öğrenme modellerini ve tasarlanmış iş akışlarını izlemek için bir ürün oluşturmak için bir yıldan fazla zaman harcadı. nerede hata yaptıklarını tespit etmek için.”
Bazıları (doğru olarak) Arize’nin rakiplerinin kendi saflarında uzmanlara ve ürün takımlarında gözlemlenebilirlik ve izleme çözümlerine sahip olduğunu iddia edebilir. Ancak Arize’nin etkileyici müşteri listesine bakılırsa, başlangıç, ikna edici bir satış konuşması yapıyor. Uber, Spotify, eBay, Etsy, Instacart, P&G, TransUnion, Nextdoor, Stitch Fix ve Chick-fil-A, Arize’nin ödeme yapan müşterileri arasında yer alıyor ve şirketin bu yılın başlarında başlatılan ücretsiz katmanı 1.000’den fazla kullanıcıya sahip.
Bununla birlikte, yıllık yinelenen gelirin sözü annemdir. Lopatecki, B Serisinin sermayesinin şirkete “geniş bir pist” sağlayacağından emindi.
“Sağlıkta, görüntüleri kullanan kanser tespit modellerinin geniş bir kanser türü yelpazesinde üretimde tutarlı olmasını sağlamak için Arize’yi kullanan ekipler var. Ayrıca, standart bakım kararlarında kullanılan modellerin ve sigorta deneyiminin ırk grupları arasında tutarlı olmasını sağlamak için Arize’yi kullanan ekipler var.” “Modeller daha karmaşık hale geldikçe, en büyük ve en karmaşık makine öğrenimi ekiplerinin bile, bir makine öğrenimi gözlemlenebilirlik aracı oluşturmak yerine zamanlarını ve enerjilerini daha iyi modeller oluşturmaya yatırmayı tercih ettiklerini görüyoruz… Arize, uygulayıcıların geri dönüşü iyileştirmelerine yardımcı oluyor modellerin yatırımı ve iş liderleri için sonuçların ölçülmesi [and provides] AI yatırımlarının risklerini izlemek için pazar lideri yazılım.”
