Distributional籌得1,900萬美元以自動化AI模型和應用測試
Distributional是一個由Intel前AI軟件總經理Scott Clark創立的AI測試平台，最近完成了一輪由Two Sigma Ventures領投的1,900萬美元A輪融資。
Clark表示，Distributional的靈感來自他在Intel應用AI時遇到的測試問題，以及他在Yelp的廣告目標部門擔任軟件主管時的工作經驗。
AI應用價值的增長與操作風險
「隨著AI應用價值的增長，其操作風險也在增加」，Clark告訴TechCrunch。「AI產品團隊使用我們的平台，主動和持續地檢測、理解和解決AI風險，防止它在生產中引入風險。」
Clark透過一次收購進入Intel。
2020年，Intel收購了由Clark共同創立的模型實驗和管理平台SigOpt。Clark繼續留在公司，並於2022年被任命為Intel AI和超級計算軟件組的副總裁兼總經理。
在Intel，Clark表示他和他的團隊經常受到AI監控和可觀察性問題的困擾。
AI的非確定性和多依賴性
Clark指出，AI是非確定性的，這意味著它在相同數據下會生成不同的輸出。加上AI模型有許多依賴性（如軟件基礎設施和訓練數據），在AI系統中定位錯誤就像在大海撈針。
根據2024年Rand Corporation的調查，超過80%的AI項目失敗。生成式AI對公司來說特別具有挑戰性，Gartner的一項研究預測，到2026年，三分之一的部署將被放棄。
「這需要在許多數據屬性的分佈上編寫統計測試」，Clark說。「AI需要在整個生命周期中持續和適應性地測試，以捕捉行為變化。」
Distributional的創建
Clark創建了Distributional，試圖抽象化這些AI審計工作，借鑒他和SigOpt團隊在與企業客戶合作時開發的技術。Distributional可以根據開發者的規範自動創建AI模型和應用的統計測試，並將這些測試結果組織在一個儀表板上。
在這個儀表板中，Distributional用戶可以一起工作在測試「存儲庫」上，分類失敗的測試，並在必要時重新校準測試。整個環境可以在本地部署（儘管Distributional也提供托管計劃），並與流行的警報和數據庫工具集成。
「我們提供了跨組織的可見性，了解AI應用的測試時間、方式和測試結果的變化」，Clark說，「並通過使用可共享的模板、配置、過濾器和標籤，為類似應用的AI測試提供可重複的過程。」
AI確實是一個難以駕馭的野獸。即使是頂尖的AI實驗室也有薄弱的風險管理。像Distributional這樣的平台可以減輕測試負擔，甚至幫助公司實現投資回報。
至少，這是Clark的推銷。
「無論是不穩定、不準確，還是其他數十種潛在挑戰，識別AI風險可能很困難」，他說。「如果團隊不能正確進行AI測試，他們風險著AI應用永遠不會進入生產階段。或者，即使它們進入生產階段，它們也可能以意外和潛在有害的方式運行，而無法看到這些問題。」
市場競爭與差異化
Distributional並不是市場上首個探測和分析AI可靠性的技術。Kolena、Prolific、Giskard和Patronus是眾多AI實驗解決方案中的一部分。科技巨頭如Google Cloud、AWS和Azure也提供模型評估工具。
那麼，為什麼客戶會選擇Distributional？
Clark聲稱，Distributional正在商業化其產品套件，並提供比許多競爭對手更「白手套」的體驗。Distributional為客戶處理安裝、實施和集成，並提供AI測試故障排除（需付費）。
「監控工具通常專注於高層次的指標和特定的異常實例，這給了有限的一致性感覺，但沒有對更廣泛的應用行為提供見解」，Clark說。「Distributional測試的目標是讓團隊達到任何AI應用的期望行為定義，確認它在生產和開發過程中仍然按預期運行，檢測到行為變化，並找出需要進化或修復的地方，以再次達到穩定狀態。」
未來展望
隨著新一輪融資的到位，Distributional計劃擴大其技術團隊，重點放在UI和AI研究工程方面。Clark表示，他預計公司員工數量將在年底前增至35人，因為Distributional將開始其首批企業部署。
「我們在成立僅一年內就獲得了大量資金，並且即使在我們的團隊不斷壯大，我們也處於一個能夠在未來幾年內抓住這一巨大機遇的位置」，Clark補充道。
Andreessen Horowitz、Operator Collective、Oregon Venture Fund、Essence VC和Alumni Ventures也參與了Distributional的A輪融資。至今，這家總部位於舊金山的初創公司已籌集了3,000萬美元。
—
**編輯評論**
在這篇文章中，我們可以看到AI技術在企業應用中的巨大潛力，但同時也面臨著嚴峻的挑戰。Distributional的出現，正是為了解決這些挑戰，特別是在AI應用的測試和風險管理方面。然而，這也提醒我們，隨著AI技術的不斷發展，企業需要不斷適應和創新，以應對新的風險和挑戰。
Distributional的「白手套」服務模式為其在競爭激烈的市場中提供了差異化優勢，但這是否足以讓其在長期內保持競爭力，還有待觀察。未來，隨著更多企業進入這一領域，AI測試和風險管理的標準和工具將會進一步成熟，這對整個行業都是一個積極的信號。
此外，我們也應該關注到，AI技術的發展不僅僅是技術問題，更是涉及到倫理、隱私和社會影響等方面的綜合挑戰。如何在推動技術進步的同時，確保其對社會的正面影響，將是所有從業者需要共同面對的課題。
以上文章由特價GPT API KEY所翻譯
