AI モデルのパフォーマンスを評価、ベンチマーク、検証するツールを設計する革新的なソリューションで知られるKolena 、最近、有望な資金 1,500 万ドルの確保に成功したと発表しました。 Lobby Capitalが議長を務めるこの資金調達ラウンドの主要な投資家は、 SignalFireやBloomberg Betaでした。
新たな資本注入により、コレナの総資金は驚異的な2,100万ドルにまで増加した。同社の成長軌道を加速することを目的としたこの資金は、研究活動、規制当局との連携を推進し、販売およびマーケティングの取り組みを促進します。このニュースは、TechCrunchとの最近の電子メールインタビューで、同社の共同創設者兼最高経営責任者（CEO）のMohamed Elgendy氏によって認められた。
エルゲンディ氏は、AI アプリケーションの膨大な可能性を強調しましたが、AI を信頼することに対する開発者や一般の人々の根底にある懐疑論に注意を向けました。同氏は、デジタルエクスペリエンスを損なうことなく強化するために、この進化するテクノロジーを体系的かつ効果的に展開する必要性を強調しました。彼の見解は、業界はテクノロジーの進歩を育成し、誤った利用によって単に機能不全に陥るのではなく、適切に機能するように導く必要があるという信念に由来しています。
Amazon、Palantir、Rakuten、Synapse の AI 部門で 6 年間の専門知識を提供したAndrew ShiとGordon Hartと協力して、Elgendy は 2021 年に Kolena を立ち上げました。優秀な頭脳が集まり、「モデル品質フレームワーク」を構想しました。このアイデアの核心は、企業向けの形式に変換するモデルの単体テストと包括的なテストを容易にすることでした。
Elgendy 氏は、Kolena をモデル品質フレームワークの現在の状況を変革するツールとして構想しています。引き続き焦点は、チームがシナリオベースのテストまたは単体テストを継続的に実施できるようにすることに加え、AI および機械学習システムのサブセットだけでなく全体のエンドツーエンドのテストを実行できるようにすることにあります。
Kolena は、AI モデルのテスト データ カバレッジ内の欠陥を解読するのに有利であることが証明されています。このプラットフォームには、特定の AI システムのアプリケーションに伴うリスクを監視するためのリスク管理機能が統合されています。 Kolena の UI により、ユーザー エクスペリエンスがさらに向上します。これにより、ユーザーは、モデルの生産性を評価するためのテスト ケースを作成し、モデルのパフォーマンスを妨げる考えられる原因を特定できると同時に、他のモデルとパフォーマンスを比較できます。
精度スコアなどの一般的なパラメーターに重点を置いた従来の戦略とは異なり、Kolena を使用すると、チームは AI アプリケーションが直面する必要がある特定のシナリオに合わせてテストを管理し、実施できます。 Elgendy 氏は、各モデルには異なる長所と短所がある独自性を認めており、したがって、自動車検出におけるモデルの精度スコアは、さまざまな側面でのその有効性を必ずしも肯定できるわけではありません。
Kolena がその約束どおりに機能すれば、AI アプリを支えるモデルの構築に多大な時間と労力を費やしているデータ サイエンティストにとって、状況を大きく変えるものになる可能性があります。 Elgendy 氏は、 Kolenaのプラットフォームは、データ型、評価ロジック、および AI モデル テストに不可欠なその他のコンポーネントに対する完全なコマンドを提供する数少ないプラットフォームの 1 つであると主張します。
Elgendy は、顧客がデータやモデルをプラットフォームにアップロードする必要性を無効にする Kolena のプライバシー保証に光を当てています。実際、Kolena は将来のベンチマークのためにモデル テストの結果のみを保存しますが、要求に応じて削除することができます。
Elgendy は、AI および機械学習システムの導入前にリスクを回避するには、堅牢なテストが重要であると考えています。彼は、カジュアルなモデル テストと機械学習の概念実証における頻繁な失敗の現在のシナリオを嘆き、徹底的なモデル評価に対する Kolena の取り組みを肯定します。したがって、モデルのテスト カバレッジと製品固有の機能要件に対する比類のない可視性を機械学習マネージャー、製品マネージャー、幹部に提供することで、最初から製品の品質に適切に影響を与えることができます。
