Рост ChatGPT способствовал росту осведомленности общественности об ИИ, а также растущему дискурсу об этике ИИ. Как будет использоваться ИИ? Какие последствия это имеет для общества, а не только для бизнеса?
Присущая приложениям ИИ предвзятость — помните, дело не только в том, как и кем создается алгоритм, но и в том, как строится сама модель, — означает, что мы должны действовать осторожно в этом дивном новом мире ИИ.
В конце концов, платформы ИИ демонстрируют очень публичные примеры политической и гендерной предвзятости. Генеральный директор OpenAI Сэм Альтман только в прошлом месяце признал, что у ChatGPT есть «недостатки, связанные с предвзятостью». Но эти предубеждения и ошибки могут иметь далеко идущие последствия применительно к таким областям, как страховые платформы или поиск лекарств, где последствия принятия неправильных решений могут быть огромными.
MLOps (сочетание «машинного обучения» и DevOps) — это набор методов, направленных на надежное и эффективное развертывание и поддержку моделей машинного обучения в производственной среде, а также отслеживание этих предубеждений. Проще говоря, методы MLOps используются специалистами по данным, DevOps и инженерами по машинному обучению для преобразования алгоритма ИИ в повседневные рабочие модели производства. Идея здесь состоит в том, чтобы улучшить автоматизацию модели, при этом следя за бизнес-требованиями и нормативными требованиями в отношении предвзятости, а также других аспектов ИИ. Оптимизация также положительно влияет на окружающую среду.
Селдон — британский стартап, специализирующийся на этом редком мире инструментов разработки для оптимизации моделей машинного обучения. У него есть конкуренты в виде Arise, Fiddler (45,2 миллиона долларов финансирования), Dataiku (846,8 миллиона долларов финансирования) и DataRobot (1 миллиард долларов финансирования).
Независимая от облачных вычислений платформа машинного обучения Seldon получила в 2020 году серию A от AlbionVC и Cambridge Innovation Capital в размере 7,1 млн фунтов стерлингов.
В настоящее время привлечен раунд финансирования в размере 20 миллионов долларов США в рамках серии B под руководством нового инвестора. Светлый пиксель (ранее Sonae IM). В нем также приняли участие существующие инвесторы AlbionVC, Cambridge Innovation Capital и Amadeus Capital Partners.
Основатели Алекс Хаусли (генеральный директор) Клайв Кокс (технический директор) утверждают, что достигли 400-процентного годового роста платформы Seldon с открытым исходным кодом с момента запуска серии A в ноябре 2020 года. Это важно, поскольку сеть с открытым исходным кодом позволяет распространять свои собственные решения гораздо более эффективные и экономичные.
«Seldon отличилась, представив уникальное решение, способное уменьшить трения для пользователей, развертывающих и объясняющих модели машинного обучения во всех отраслях. Это означает более высокую производительность для клиентов, более быструю окупаемость в сочетании с возможностями управления, рисками и соответствием требованиям», — говорится в сообщении. Об этом заявил директор Bright Pixel Педро Каррейра.
Текущие клиенты Seldon включают, среди прочих, PayPal, Johnson & Johnson, Audi и Experian.
В интервью Алекс Хаусли, основатель и генеральный директор Seldon, сказал: «ИИ присутствует во всем, и Seldon занимает уникальное положение. «У нас уже есть сильная позиция в нашем дистрибутиве с открытым исходным кодом, и то, что мы только что проверили, — это новая концепция ориентированных на данные MLOps с тесной интеграцией потоков данных и производства. Проще говоря, вы можете улучшить модель ИИ с помощью ее алгоритм, но с небольшими улучшениями. В качестве альтернативы — и это наш подход — вы можете значительно повысить производительность, улучшив качество вывода данных. Это то, что мы делаем с Кембриджским университетом со значительным успехом».
Согласно исследованию состояния инфраструктуры искусственного интеллекта, проведенному Run:ai, 2023 г., более половины этих моделей в 88% компаний никогда не попадают в производство. Почему? Потому что проекты останавливаются или происходит дублирование усилий в бизнес-разрозненных подразделениях.
Селдон утверждает, что это может помочь командам лучше сотрудничать, чтобы ускорить время развертывания в среднем на 84%. Это может быть важно, учитывая, что ИИ становится все более строгим (например, в рамках Закона ЕС об ИИ и EEOC США). Seldon и его конкуренты пытаются помочь компаниям соблюдать эти правила, но улучшают эти модели ИИ внутри компании.
Компания тесно сотрудничала с Нилом Лоуренсом, первым профессором машинного обучения DeepMind в Кембриджском университете.
