Η Striveworks συλλέγει την πρώτη χρηματοδότηση 33 εκατομμυρίων δολαρίων για την κατασκευή εργαλείων για λειτουργίες μηχανικής εκμάθησης

Το MLOps, ή το DevOps για όσους εργάζονται με μοντέλα μηχανικής μάθησης, έχει δει μια έκρηξη ενδιαφέροντος τον τελευταίο χρόνο και αυτό δεν πρέπει να αποτελεί έκπληξη: οι οργανισμοί θέλουν να φέρουν περισσότερη μηχανική μάθηση στις στοίβες επιστήμης δεδομένων τους, αλλά αυτό απαιτεί δημιουργία και μοντέλα εκπαίδευσης, καθαρισμός δεδομένων και διασφάλιση ότι λειτουργούν όπως θα έπρεπε. Σήμερα, μια

startup

τηλεφώνησε

Striveworks

Η κατασκευή εργαλείων MLOps για τη διαχείριση αυτής της εργασίας ανακοινώνει χρηματοδότηση 33 εκατομμυρίων δολαρίων.

Αυτή είναι η πρώτη εξωτερική χρηματοδότηση της startup και ο γύρος που κλείνει τώρα υπογραμμίζει τόσο το κύμα ενδιαφέροντος για τον ευρύτερο τομέα της τεχνητής νοημοσύνης, αλλά και την έλξη της ίδιας της Striveworks σε αυτό, με το ARR της εταιρείας να αυξάνεται 300% ετησίως το τελευταίο δύο χρόνια.

Τα 33 εκατομμύρια δολάρια προέρχονται από έναν μόνο επενδυτή, την Centana Growth Partners, και η Striveworks, που εδρεύει στο Όστιν του Τέξας, σχεδιάζει να τα χρησιμοποιήσει για προσλήψεις και για περαιτέρω ανάπτυξη προϊόντων και επιχειρήσεων. Η χρηματοδότηση έρχεται ως αυτό που συχνά περιγράφεται ως ευκαιριακός γύρος: Η Striveworks δραστηριοποιείται εδώ και πέντε χρόνια, λειτουργεί ως «κεφαλαιακή αποδοτική» startup που έκανε κέρδη και τα επένδυσε πίσω στην ανάπτυξή της, σύμφωνα με τον Jim Rebesco — τον Διευθύνοντα Σύμβουλο που συν. -ίδρυσε την εταιρεία με τους Craig Desjardins, Eric Korman και Tony Manganiello.

Η Rebesco δεν αποκάλυψε τα τρέχοντα ονόματα πελατών, αλλά είπε ότι καλύπτουν μια σειρά από κλάδους που περιλαμβάνουν την κυβέρνηση και τον χρηματοπιστωτικό τομέα που χρησιμοποιούν μηχανική εκμάθηση για τη δημιουργία υπηρεσιών ή τη λειτουργία των επιχειρήσεών τους, «υψηλά ρυθμιζόμενες βιομηχανίες και εφαρμογές εθνικής ασφάλειας και συναφείς τομείς όπως η πρόθεση όρασης υπολογιστή , δορυφορικές εικόνες και εμπορικές εικόνες», πρόσθεσε. Η εταιρεία έχει επίσης συνεργασίες με την AWS και την Azure για να εργαστεί σε δεδομένα σε αυτά τα σύννεφα. (Σημειωτέον, επί του παρόντος δεν έχει παρόμοια συνεργασία με την

Google

.)

Τα προβλήματα που αντιμετωπίζει η εταιρεία είναι πράγματα που η Rebesco — α

νευροεπιστήμη PhD

ο οποίος στο παρελθόν είχε μακρά θητεία στην εταιρεία χρηματοοικονομικών υπηρεσιών Virtu — είπε ότι αυτός και οι συνιδρυτές του συναντούσαν τακτικά σε προηγούμενες εταιρείες, τις οποίες το Striveworks ουσιαστικά στοχεύει να καταπολεμήσει με ρεαλισμό.

Ξεκινά, είπε, με αυτό που περιέγραψε ως το «πρόβλημα της πρώτης ημέρας» σχετικά με τον τρόπο δημιουργίας των κατάλληλων μοντέλων μηχανικής μάθησης για να ταιριάζουν με τους στόχους κάποιου. Αλλά αυτό είναι κατά κάποιο τρόπο το εύκολο μέρος. Οι πολυπλοκότητες αρχίζουν πραγματικά μετά από αυτό.

“

Κάνει αυτό που περιμένεις να κάνει και όταν το βάζεις στην παραγωγή, συνεχίζει να αποδίδει όπως περιμένεις;» αυτός είπε. “

Εστιάζουμε σε αυτό που θα συμβεί στη συνέχεια».

Ο Ρεμπέσκο περιγράφει τον εαυτό του ως «αποτυχημένο φυσικό» (αναφορά στην προ-διδακτορική του εργασία νομίζω), ο οποίος πήρε ένα σημαντικό μάθημα για τα μοντέλα τεχνητής νοημοσύνης: είναι όλα στατιστικά και ως εκ τούτου αναπόφευκτα θα αναφέρουν αποτυχίες. «Έτσι, ένα από τα βασικά στοιχεία ευθύνης δεν είναι απλώς να γνωρίζουμε ότι θα υπάρξουν λάθη, αλλά να θέσουμε σε εφαρμογή ένα αυτοματοποιημένο και στοχαστικό σχέδιο για την αντιμετώπισή τους».

Πιστεύει ότι αυτό είναι κάτι που πρέπει να εξετάζεται όλο και περισσότερο καθώς η χρήση της τεχνητής νοημοσύνης γίνεται πιο πανταχού παρούσα. «Τα μοντέλα δεδομένων, τα μοντέλα AI και ML, είναι όλο και πιο σημαντικά και όχι ως εφήμερα μοντέλα. Είτε πρόκειται για βαθμολόγηση πίστωσης είτε για υγειονομική περίθαλψη, αυτές οι βάσεις δεδομένων αποθηκεύονται και υποβάλλονται ερωτήματα. Αλλά πώς ρωτάς [effectively] είναι τόσο λάθος;»

Η εταιρεία στοχεύει να το αντιμετωπίσει μέσω της ναυαρχίδας της πλατφόρμας που ονομάζεται Chariot, η οποία μπορεί να χρησιμοποιηθεί για την προετοιμασία δεδομένων, τη δημιουργία μοντέλων και στη συνέχεια την εκτέλεση αυτών των μοντέλων στην παραγωγή. Χρησιμοποιώντας μια μορφή χαμηλού κώδικα που απευθύνεται σε ομάδες που συνεργάζονται, οι λειτουργίες της πλατφόρμας περιλαμβάνουν σχολιασμό μοντέλου στη βρόχο, δυνατότητα εισαγωγής μοντέλων και χρήσης προηγούμενων μοντέλων δεδομένων (από τον οργανισμό σας), τη δυνατότητα δημιουργίας προσαρμοσμένων ροές εργασίας, διερευνήστε την «προέλευση» των δεδομένων στα σύνολα σας και τη δυνατότητα ενσωμάτωσης εργαλείων τρίτων, μεταξύ άλλων χαρακτηριστικών.

Υπάρχουν τώρα πολλές

startups

(και μεγαλύτερες εταιρείες) στην αγορά που εργάζονται με λύσεις MLOps — μερικές που έχουμε καλύψει περιλαμβάνουν τις Seldon, Galileo, Aries και Tecton. Μεγαλύτερες εταιρείες ενοποίησης συστημάτων μπαίνουν επίσης στη δράση, με την McKinsey να εξαγοράζει πρόσφατα την Iguazio.

Ο Ben Cukier, ο εταίρος της Centana που ηγήθηκε της επένδυσης, είπε ότι η Striveworks είχε ένα σαφές πλεονέκτημα έναντι αυτών, καθώς η ίδια η επιχείρηση λειτουργεί πολύ καλά, ένα σημάδι τόσο για τις λειτουργίες της εταιρείας όσο και για το τι επιτυγχάνουν.

«Βρίσκονται στην κλίμακα όπου ο ρυθμός ανάπτυξής τους, σε τριψήφιο αριθμό, είναι εκεί που είναι οι περισσότεροι όταν είναι μόνο στη Σειρά D. Έριξα μια ματιά στην πραγματικά αποτελεσματική χρήση του κεφαλαίου τους και έμεινα έκπληκτος. Σε 27 χρόνια επενδύσεων, έχω δει μόνο μερικές εταιρείες ικανές να επιτύχουν αυτού του είδους την κλίμακα χωρίς εξωτερικό κεφάλαιο. Είναι σπάνιο φαινόμενο. Αυτοί είναι πραγματικοί πελάτες, με επταψήφια συμβόλαια και με καθαρούς αριθμούς διατήρησης που θα ζήλευαν πολλές άλλες εταιρείες».

Η εταιρεία δεν αποκαλύπτει την αποτίμησή της, αλλά ο Cukier περιέγραψε την τρέχουσα αγορά όχι ως «ήσυχη» αλλά απλώς «κανονική» – δηλαδή, επιστροφή στην κανονική λειτουργία μετά από αρκετά μεθυστικά χρόνια.