एआई मॉडल के प्रदर्शन का मूल्यांकन, बेंचमार्क और सत्यापन करने के लिए उपकरण डिजाइन करने में अपने अभिनव समाधानों के लिए जाना जाता है, Kolena हाल ही में 15 मिलियन डॉलर की एक आशाजनक फंड राशि हासिल करने में सफलता प्राप्त की है। Lobby Capital की अध्यक्षता वाले फंडिंग राउंड में SignalFire और Bloomberg Beta जैसे प्रमुख निवेशक थे।
पूंजी के ताजा निवेश ने कोलेना की कुल निधि को आश्चर्यजनक रूप से $21 मिलियन तक बढ़ा दिया है। कंपनी के विकास पथ में तेजी लाने के उद्देश्य से, यह फंड अनुसंधान गतिविधियों, नियामक अधिकारियों के साथ गठजोड़ और बिक्री और विपणन पहल को बढ़ावा देगा। टेकक्रंच के साथ हाल ही में एक ईमेल साक्षात्कार में कंपनी के सह-संस्थापक और सीईओ Mohamed Elgendy ने इस खबर की पुष्टि की।
एल्गेंडी ने एआई अनुप्रयोगों की विशाल क्षमता पर प्रकाश डाला लेकिन एआई पर भरोसा करने के बारे में डेवलपर्स और जनता के अंतर्निहित संदेह की ओर ध्यान आकर्षित किया। उन्होंने इस विकसित हो रही तकनीक की एक व्यवस्थित और प्रभावी तैनाती की आवश्यकता पर जोर दिया जो डिजिटल अनुभव को बढ़ाती है और ख़राब नहीं करती है। उनका विचार इस विश्वास से उपजा है कि उद्योग को सही सेवा देने के लिए तकनीकी प्रगति का पोषण और मार्गदर्शन करने की आवश्यकता है, न कि केवल गलत उपयोग के कारण अलग होने की।
Andrew Shi और Gordon Hart के साथ सहयोग करते हुए, जिन्होंने अमेज़ॅन, पलान्टिर, राकुटेन और सिनैप्स में एआई डिवीजनों से अपनी छह साल की विशेषज्ञता का योगदान दिया, एल्गेंडी ने 2021 में कोलेना को लॉन्च किया। प्रतिभाशाली दिमाग एक 'मॉडल गुणवत्ता ढांचे' की परिकल्पना के साथ एक साथ आए। विचार का सार उद्यम-अनुकूल रूप में अनुवाद करने वाले मॉडलों के लिए इकाई परीक्षण और व्यापक परीक्षण की सुविधा प्रदान करना था।
एल्गेंडी ने मॉडल गुणवत्ता ढांचे के वर्तमान परिदृश्य में कोलेना को एक परिवर्तनकारी उपकरण के रूप में देखा है। फोकस टीमों को लगातार परिदृश्य-आधारित या यूनिट परीक्षणों के साथ-साथ संपूर्ण एआई और मशीन लर्निंग सिस्टम के एंड-टू-एंड परीक्षण करने के लिए सशक्त बनाने पर रहता है, न कि केवल उप-समूहों पर।
एआई मॉडल परीक्षण डेटा कवरेज में कमियों को समझने के लिए कोलेना फायदेमंद साबित होता है। प्लेटफ़ॉर्म किसी विशेष एआई प्रणाली के अनुप्रयोग के साथ आने वाले जोखिमों की निगरानी के लिए जोखिम प्रबंधन सुविधाओं को एकीकृत करता है। कोलेना के यूआई के साथ उपयोगकर्ता अनुभव को और बढ़ावा मिलता है जो उपयोगकर्ताओं को मॉडल की उत्पादकता का आकलन करने के लिए परीक्षण मामले तैयार करने और संभावित कारणों की पहचान करने में सक्षम बनाता है जो मॉडल के प्रदर्शन में बाधा डालते हैं, साथ ही साथ अन्य मॉडलों के साथ इसके प्रदर्शन की तुलना करते हैं।
पारंपरिक रणनीतियों के विपरीत, जो सटीकता स्कोर जैसे सामान्य मापदंडों पर आधारित होती हैं, कोलेना के साथ, टीमें विशिष्ट परिदृश्यों के लिए परीक्षणों का प्रबंधन और संचालन कर सकती हैं जिनका एआई एप्लिकेशन को सामना करना पड़ेगा। एल्गेंडी अलग-अलग शक्तियों और कमजोरियों के साथ प्रत्येक मॉडल की विशिष्टता की पुष्टि करता है, और इसलिए, कारों का पता लगाने में एक मॉडल का सटीकता स्कोर अलग-अलग पहलुओं में इसकी प्रभावशीलता की पुष्टि नहीं कर सकता है।
यदि कोलेना अपने वादे के अनुसार काम करती है, तो यह उन डेटा वैज्ञानिकों के लिए गेम-चेंजर बन सकती है जो एआई ऐप्स को रेखांकित करने के लिए मॉडल बनाने में काफी समय और प्रयास खर्च करते हैं। एल्गेंडी का दावा है कि Kolena का प्लेटफ़ॉर्म उन कुछ में से एक है जो एआई मॉडल परीक्षण के अभिन्न अंग डेटा प्रकार, मूल्यांकन तर्क और अन्य घटकों पर पूर्ण कमांड प्रदान करता है।
एल्गेंडी ने कोलेना के गोपनीयता आश्वासन पर प्रकाश डाला, जो ग्राहकों के लिए प्लेटफ़ॉर्म पर अपना डेटा या मॉडल अपलोड करने की आवश्यकता को समाप्त कर देता है। वास्तव में, कोलेना केवल भविष्य के बेंचमार्किंग के लिए मॉडल परीक्षण परिणामों को संरक्षित करता है जिन्हें अनुरोध पर हटाया जा सकता है।
एल्गेंडी अपनी तैनाती से पहले एआई और मशीन लर्निंग सिस्टम से जोखिमों को नकारने के लिए मजबूत परीक्षण को महत्वपूर्ण मानता है। आकस्मिक मॉडल परीक्षण के वर्तमान परिदृश्य और अवधारणाओं के मशीन लर्निंग प्रमाण में लगातार विफलताओं पर अफसोस जताते हुए, वह संपूर्ण मॉडल मूल्यांकन के लिए कोलेना की प्रतिबद्धता की पुष्टि करते हैं। इसलिए, मशीन लर्निंग प्रबंधकों, उत्पाद प्रबंधकों और अधिकारियों को मॉडल के परीक्षण कवरेज और उत्पाद-विशिष्ट कार्यात्मक आवश्यकताओं में अद्वितीय दृश्यता प्रदान करना, जिससे उन्हें शुरुआत से ही उत्पाद की गुणवत्ता को प्रभावित करने में सक्षम बनाया जा सके।
