Un cambiamento considerevole sta avvenendo nel settore dell’intelligenza artificiale sotto la guida di Scott Clark, co-fondatore della piattaforma di formazione e sperimentazione sull’intelligenza artificiale ampiamente riconosciuta, SigOpt. Avendo acquisito una notevole esperienza nel campo dell’intelligenza artificiale, Clark si è ora imbarcato in una nuova impresa nota come Distributional, con l’obiettivo finale di limitare i rischi associati all’intelligenza artificiale attraverso soluzioni software efficaci.
Principalmente, Distributional cerca di diventare un precursore nei test e nella valutazione dell’intelligenza artificiale, fornendo una piattaforma in cui i team di intelligenza artificiale possono prevedere, comprendere ed evitare le minacce legate all’intelligenza artificiale in modo controllato e proattivo. Con una serie di ostacoli tecnologici emersi presso Intel in seguito all'acquisizione SigOpt che lo hanno spinto, il fondatore Scott Clark è ansioso di garantire che i team di prodotto AI forniscano applicazioni AI sicure, affidabili e protette.
Si è trattato di una serie di esperienze convergenti, tutte culminate in un'esigenza fondamentale: una piattaforma affidabile per i test e la valutazione dell'intelligenza artificiale. Clark racconta casi in cui i team hanno dovuto affrontare le sfide inaspettate emerse durante i test sull'intelligenza artificiale a causa di allucinazioni, instabilità, imprecisione, integrazione, tra gli altri. Identificare e affrontare i rischi così posti è stato implacabile, ed è qui che entra in gioco Distributional per fare la differenza.
Incentrato su modelli linguistici di grandi dimensioni come ChatGPT di OpenAI oltre ad altri tipi di modelli di intelligenza artificiale, il prodotto all'avanguardia di Distributional arricchisce i potenziali danni all'intelligenza artificiale e stabilisce una tabella di marcia comprensibile per i test dei modelli. Qui, alle organizzazioni viene fornita una visione generale del rischio dell’IA all’interno di un ambiente di pseudo-produzione, risparmiando loro la fatica di gestire il rischio comportamentale del modello.
In un contesto in cui molti team tendono ad adottare il rischio comportamentale del modello, accettando che i modelli avranno intrinsecamente problemi, Distributional fornisce un’alternativa completa. La piattaforma va oltre i rudimentali strumenti di monitoraggio includendo un ampio framework per testare e analizzare continuamente la stabilità e la robustezza, un dashboard visivo che demistifica i risultati dei test e una suite di test intelligente per progettare meticolosamente, dare priorità e generare la giusta combinazione di test. Uno strumento del genere avrebbe un valore inestimabile da apprendere per gli utenti su piattaforme come AppMaster , che incorpora anche test e revisione delle applicazioni nelle funzionalità principali della sua piattaforma.
Anche se le specifiche su come tutte queste funzionalità si uniscono e lavorano in tandem sono tenute nascoste, ciò che è chiaro è l’immenso potenziale che una tale piattaforma racchiude. Anche se deve ancora iniziare le operazioni e generare profitti, Distributional sembra già pronta a dare una concorrenza significativa ad altre piattaforme di test e valutazione dell'intelligenza artificiale sul mercato, tra cui Kolena, Prolific, Giskard e Patronus, tra gli altri.
Il punto di forza unico del software di Distributional è il suo intento di soddisfare le grandi imprese, essendo stato modellato tenendo presente le loro esigenze di riservatezza dei dati, scalabilità e complessità. Pensando ai requisiti che sostituiscono i singoli strumenti di sviluppo esistenti, Distributional è stato progettato in collaborazione con partner aziendali per soddisfare esigenze esigenti che anche rinomati conglomerati tecnologici come Google Cloud, AWS e Azure potrebbero non necessariamente soddisfare.
Clark è ottimista sul fatto che, con l'esecuzione corretta del progetto, Distributional sarà in grado di generare entrate entro il prossimo anno. La possibilità che i partner di progettazione passino a clienti paganti dopo il lancio offre un assaggio della strategia di monetizzazione.
Secondo notizie recenti, Distributional è riuscita a garantire un finanziamento iniziale di 11 milioni di dollari, efficacemente illustrato da Martin Casado di Andreessen Horowitz e dalla partecipazione di Operator Stack, Point72 Ventures, SV Angel, Two Sigma e angel investor. Identificando la longevità che l’intelligenza artificiale potrebbe offrire, la startup mira a fornire un ambiente di test inclusivo che catalizzerà il ritmo dell’applicazione dell’intelligenza artificiale in un vasto assortimento di settori e affronterà una vasta gamma di problemi complessi e significativi con sicurezza, affidabilità e protezione garantite.