針對機器學習模型進行持續取證的開源平臺——Deepchecks
深度學習新創公司 Deepchecks 發布開源平臺
Machine Learning Operations（MLOps）公司 Deepchecks 今天宣布推出了其開源平臺，用於持續取證機器學習（ML）模型。這一新產品旨在建立一個 ML 安全和可預測性的標準，彌補研究和生產之間的差距。該公司還獲得了 1400 萬美元的種子融資，Alpha Wave Ventures 領頭投資，Hetz Ventures 和 Grove Ventures 參與其中。隨著 ML 從冗長的研究專案轉變為敏捷的軟體開發週期，這一行業需要強大的流程和工具來確保及時且高質量的部署。與傳統軟體開發不同，ML 的複雜和不透明的性質對其安全和可預測性的實現提出了挑戰。Deepchecks 表示它透過借鑑軟體開發的經驗來應對這些挑戰。該公司的新平臺使開發人員能夠在整個 ML 生命周期中實現可見性和信心，包括開發、部署和生產操作。
提高 AI 模型測試的取證和監控
Deepchecks 的聯合創始人兼 CTO Shir Chorev 在接受 VentureBeat 採訪時表示：“部署 AI 系統面臨的一個很大挑戰就是要確保它們能按照預期工作，不會帶有有害、有偏差或者不正確的情況。由於資料和 AI 的動態本質以及 AI 缺乏固有的常識，這尤其困難。” Chorev 強調了她的公司致力於為從事者提供用於構建和定制關鍵測試的易於使用的工具，以識別和防止問題，例如回歸測試。這些測試可以以可重用和高效的方式建立和應用。她認為，這種幫助幫助企業克服一個重要障礙：可靠模型向生產環境的轉換。她補充道：“Deepchecks 將軟體開發中的持續測試和取證原則應用到 ML 中，使開發過程更高效、更敏捷。這使從業者能夠對其模型的效能、開發的系統的穩定性負責，並在整個 ML 生命周期和不同組織任務中輕鬆重用取證測試，減少在非關鍵任務上的時間消耗。”
深度學習在取證和持續整合中的應用
Deepchecks 幫助組織實施和執行全面的測試和持續整合（CI）流程。它透過使取證結果能夠與利益相關者共享，並與審計員進行高效迴圈，促進了合作。Chorev 表示這種流程的簡化確保了有效且高效的取證過程。她解釋道：“當擴大規模時，你需要投入技術嫻熟且成本高昂的專家來進行 ML 取證，這與傳統 QA（質量保證）不同，後者通常是一個入門級的角色。“這正是 Deepchecks 的用武之地，它允許企業將其自動納入其流程中，並將手動取證流程的時間降到最低。” 企業版本還可以同時對多個模型進行測試、取證和監控。 Deepchecks 還提供相關的儀表板，並實現高級使用者管理和許可權功能。
開源的重要性
Chorev 表示公司工具的開源性在吸引科技行業（包括大型企業）方面起到了很大的作用。“傳統上，這些企業選擇封閉的系統（SAS），但現在情況正在改變，” Chorev 說。“在我們的領域，開源解決方案在資料隱私和安全方面非常有用，因為你可以在本地使用它們，不用將資料傳送到組織外部。”她補充道，公司的方法和結構使他們和使用者能夠輕鬆擴充套件對各種型別資料和整合的支援，並將取證新增到 AI 生命周期的不同階段和流程中。“這確保了問題能夠高效和及早地被發現，” Chorev 說。
結論
在機器學習模型積極應用的時代，取證模型的可靠性和預測性變得至關重要。Deepchecks 的開源平臺提供了一個有效的解決方案，幫助企業實現持續取證和高品質的 ML 模型部署。這不僅提高了企業的透明度和信任度，還提高了實施這些措施的效率。隨著機器學習市場的迅速增長，Deepchecks 在機器學習取證和 MLOps 領域擁有巨大的機會，為企業帶來更安全和可靠的 AI 應用。
延伸閱讀
- Y Combinator 幫助醫療記錄 AI 新創 Hona 募得 300 萬美元 的故事
- 耳尖科技診斷募得 2150 萬美元，協助早期診斷自閉症
- 金融科技新創公司 Coast 贈募資打著實磚產業領域的 Brex ？
- Tavus 募資 1800 萬美元，將人臉和聲音複製帶入任何應用程式
- 英國挑戰者銀行 Monzo 募得 4.3 億美元，客戶數逼近 900 萬
- 布魯斯坦創投第三輪食品科技基金募得 4500 萬美元
- TechTaka 為其電子商務配送服務籌得 950 萬美元
- 種子輪融資全攻略：2024 年創辦人必知的募資要點
- Silverfort 募資 1.16 億美元，市值衝破 10 億美元，其整體身份安全方法引發關注
- Kiln 押注技術提供商募得 1700 萬美元稀有加密募資
