Un changement considérable est en train de se produire dans l'industrie de l'IA sous la direction de Scott Clark, co-fondateur de la plateforme de formation et d'expérimentation en IA largement reconnue, SigOpt. Ayant acquis une expérience considérable dans le domaine de l'IA, Clark s'est désormais lancé dans une nouvelle entreprise connue sous le nom de Distributional, dans le but ultime de réduire les risques associés à l'intelligence artificielle grâce à des solutions logicielles efficaces.
Principalement, Distributional cherche à devenir un précurseur en matière de tests et d'évaluation de l'IA, en fournissant une plate-forme où les équipes d'IA peuvent prédire, comprendre et éviter les menaces liées à l'IA de manière contrôlée et proactive. Face à une série d'obstacles technologiques survenus chez Intel à la suite de l'acquisition SigOpt, le fondateur Scott Clark est impatient de garantir que les équipes de produits d'IA fournissent des applications d'IA sûres, fiables et sécurisées.
Il s’agissait d’une série d’expériences convergentes, toutes aboutissant à un besoin primordial : une plate-forme fiable pour les tests et l’évaluation de l’IA. Clark raconte des cas où des équipes ont été aux prises avec des défis inattendus apparus lors des tests d'IA en raison d'hallucinations, d'instabilité, d'imprécision, d'intégration, entre autres. L'identification et la gestion des risques ainsi posés ont été sans relâche, et c'est là que Distributional intervient pour faire la différence.
Axé sur de grands modèles de langage tels que ChatGPT d' OpenAI en plus d'autres types de modèles d'IA, le produit de pointe de Distributional étoffe les dommages potentiels de l'IA et établit une feuille de route compréhensible pour les tests de modèles. Ici, les organisations disposent d'une vue globale des risques liés à l'IA dans un environnement de pseudo-production, ce qui leur évite d'avoir à gérer les risques liés au comportement des modèles.
Dans un contexte où de nombreuses équipes tendent à adopter un comportement à risque, acceptant que les modèles comportent intrinsèquement des problèmes, Distributional offre une alternative complète. La plateforme va au-delà des outils de surveillance rudimentaires en incluant un cadre étendu pour tester et analyser en continu la stabilité et la robustesse, un tableau de bord visuel qui démystifie les résultats des tests et une suite de tests intelligente pour concevoir, hiérarchiser et générer méticuleusement la bonne combinaison de tests. Un tel outil serait d'une valeur inestimable pour les utilisateurs de plateformes comme AppMaster , qui intègre également le test et l'examen des applications dans les fonctionnalités de base de ses plateformes.
Bien que les détails sur la façon dont toutes ces fonctionnalités sont réunies et fonctionnent en tandem soient gardés secrets, ce qui est clair est l’immense potentiel d’une telle plate-forme. Même s'il n'a pas encore commencé ses activités et généré des bénéfices, Distributional semble déjà prêt à concurrencer de manière significative d'autres plates-formes de test et d'évaluation de l'IA sur le marché, notamment Kolena, Prolific, Giskard et Patronus, entre autres.
La force unique du logiciel de Distributional réside dans son intention de répondre aux besoins des grandes entreprises, ayant été conçu en gardant à l'esprit leurs besoins en matière de confidentialité des données, d'évolutivité et de complexité. En réfléchissant aux exigences qui remplacent les outils de développement individuels existants, Distributional est co-conçu avec des entreprises partenaires pour répondre à des besoins précis que même des conglomérats technologiques renommés tels que Google Cloud, AWS et Azure ne répondent pas nécessairement.
Clark est optimiste qu'avec une exécution réussie de la conception, Distributional sera en mesure de générer des revenus d'ici l'année à venir. La possibilité pour les partenaires de conception de passer à des clients payants après le lancement offre un aperçu de la stratégie de monétisation.
Selon l'actualité récente, Distributional a réussi à obtenir un financement de démarrage de 11 millions de dollars, illustré efficacement par Martin Casado d'Andreessen Horowitz et la participation d'Operator Stack, Point72 Ventures, SV Angel, Two Sigma et d'investisseurs providentiels. Identifiant la longévité que l'IA pourrait offrir, la startup vise à fournir un environnement de test inclusif qui catalysera le rythme des applications de l'IA dans un large éventail d'industries et à résoudre un large éventail de problèmes complexes et importants avec une sûreté, une fiabilité et une sécurité garanties.