أعلنت Kolena ، المعروفة بحلولها المبتكرة في تصميم أدوات لتقييم أداء نماذج الذكاء الاصطناعي ومقارنتها والتحقق من صحتها، مؤخرًا عن نجاحها في الحصول على مبلغ تمويل واعد قدره 15 مليون دولار أمريكي. كان المستثمرون الرئيسيون في جولة التمويل التي ترأستها Lobby Capital هم أمثال SignalFire و Bloomberg Beta.
وقد أدى ضخ رأس المال الجديد إلى زيادة إجمالي أموال Kolena إلى مبلغ مذهل قدره 21 مليون دولار. وتهدف هذه الأموال إلى تسريع مسار نمو الشركة، وستعمل على دفع الأنشطة البحثية، والتحالفات مع السلطات التنظيمية، ودفع مبادرات المبيعات والتسويق. تم تأكيد هذه الأخبار من قبل المؤسس المشارك والرئيس التنفيذي للشركة، Mohamed Elgendy ، في مقابلة أجريت مؤخرًا عبر البريد الإلكتروني مع TechCrunch.
وسلط الجندي الضوء على الإمكانات الهائلة لتطبيقات الذكاء الاصطناعي لكنه لفت الانتباه إلى الشكوك الكامنة لدى المطورين والجمهور حول الثقة في الذكاء الاصطناعي. وشدد على ضرورة النشر المنهجي والفعال لهذه التكنولوجيا المتطورة التي تعزز التجربة الرقمية ولا تضعفها. تنبع وجهة نظره من الاعتقاد بأن الصناعة بحاجة إلى رعاية وتوجيه التقدم التكنولوجي ليخدم بشكل صحيح وليس فقط بطرق جزئية بسبب الاستخدام المضلل.
بالتعاون مع Andrew Shi وجوردون Gordon Hart ، اللذين ساهما بخبرتهما لمدة ست سنوات من أقسام الذكاء الاصطناعي في أمازون وبالانتير وراكوتن وسينابس، أطلق الجندي كولينا في عام 2021. اجتمعت العقول اللامعة معًا لتصور "إطار عمل نموذجي للجودة". كان جوهر الفكرة هو تسهيل اختبار الوحدة والاختبار الشامل للنماذج التي يتم ترجمتها إلى نموذج مناسب للمؤسسات.
يتصور الجندي كولينا كأداة تحويلية في المشهد الحالي لإطار جودة النموذج. ويظل التركيز على تمكين الفرق من إجراء اختبارات قائمة على السيناريوهات أو اختبارات الوحدة بشكل دائم، إلى جانب الاختبار الشامل لأنظمة الذكاء الاصطناعي والتعلم الآلي بأكملها، وليس فقط المجموعات الفرعية.
أثبتت Kolena فائدتها في فك رموز الثغرات في تغطية بيانات اختبار نموذج الذكاء الاصطناعي. تدمج المنصة ميزات إدارة المخاطر لمراقبة المخاطر القادمة مع تطبيق نظام ذكاء اصطناعي معين. تحصل تجربة المستخدم على تعزيز إضافي من خلال واجهة مستخدم Kolena التي تمكن المستخدمين من صياغة حالات اختبار لتقييم إنتاجية النموذج وتحديد الأسباب المحتملة التي تعيق أداء النموذج مع مقارنة أدائه بالنماذج الأخرى في نفس الوقت.
على عكس الاستراتيجيات التقليدية التي تركز على المعلمات العامة مثل درجة الدقة، مع Kolena، يمكن للفرق إدارة وإجراء اختبارات لسيناريوهات محددة سيتعين على تطبيق الذكاء الاصطناعي مواجهتها. يؤكد الجندي على تفرد كل نموذج باختلاف نقاط القوة والضعف، وبالتالي فإن درجة دقة النموذج في الكشف عن السيارات لا يمكن بالضرورة أن تؤكد فعاليته في جوانب مختلفة.
إذا أوفت شركة Kolena بوعدها، فقد تُغير قواعد اللعبة بالنسبة لعلماء البيانات الذين يقضون وقتًا وجهدًا كبيرًا في بناء نماذج لدعم تطبيقات الذكاء الاصطناعي. يؤكد الجندي أن منصة Kolena هي واحدة من المنصات القليلة جدًا التي توفر تحكمًا كاملاً في أنواع البيانات ومنطق التقييم والمكونات الأخرى التي تعتبر جزءًا لا يتجزأ من اختبار نموذج الذكاء الاصطناعي.
يلقي الجندي الضوء على ضمان الخصوصية الذي تقدمه Kolena، والذي يلغي حاجة العملاء إلى تحميل بياناتهم أو نماذجهم على المنصة. في الواقع، تحتفظ Kolena فقط بنتائج اختبار النموذج من أجل قياس الأداء المستقبلي والتي قد يتم حذفها عند الطلب.
يعتبر الجندي أن الاختبار القوي أمر بالغ الأهمية لإلغاء المخاطر الناجمة عن نظام الذكاء الاصطناعي والتعلم الآلي قبل نشره. وأعرب عن أسفه للسيناريو الحالي المتمثل في اختبار النماذج غير الرسمية والفشل المتكرر في إثبات مفاهيم التعلم الآلي، وأكد التزام كولينا بإجراء تقييم شامل للنموذج. ومن ثم، تقديم رؤية لا مثيل لها لتغطية اختبار النموذج والمتطلبات الوظيفية الخاصة بالمنتج لمديري التعلم الآلي ومديري المنتجات والمديرين التنفيذيين، وبالتالي تمكينهم من التأثير بكفاءة على جودة المنتج منذ البداية.
