AI 모델의 성능을 평가, 벤치마킹, 검증하는 도구를 설계하는 혁신적인 솔루션으로 잘 알려진 Kolena 최근 1,500만 달러에 달하는 유망 자금 확보에 성공했다고 선언했습니다. Lobby Capital 이 의장을 맡은 자금 조달 라운드의 주요 투자자는 SignalFire 및 Bloomberg Beta 와 같습니다.
새로운 자본 투입으로 Kolena의 총 자금은 무려 2,100만 달러로 늘어났습니다. 회사의 성장 궤도를 가속화하는 것을 목표로 하는 이 기금은 연구 활동, 규제 당국과의 제휴, 판매 및 마케팅 계획을 추진할 것입니다. 이 소식은 회사의 공동 창립자이자 CEO Mohamed Elgendy 최근 TechCrunch와의 이메일 인터뷰에서 확인했습니다.
Elgendy는 AI 애플리케이션의 엄청난 잠재력을 강조했지만 AI 신뢰에 대한 개발자와 대중의 근본적인 회의론에 주목했습니다. 그는 디지털 경험을 향상시키고 손상시키지 않는 진화하는 기술의 체계적이고 효과적인 배포의 필요성을 강조했습니다. 그의 견해는 업계가 잘못된 활용으로 인한 부분이 아니라 올바른 서비스를 제공하기 위해 기술 발전을 육성하고 안내해야 한다는 믿음에서 비롯됩니다.
Elgendy는 Amazon, Palantir, Rakuten 및 Synapse의 AI 부문에서 6년간 전문 지식을 제공한 Andrew Shi 및 Gordon Hart 와 협력하여 2021년에 Kolena를 출시했습니다. 뛰어난 인재들이 모여 '모델 품질 프레임워크'를 구상했습니다. 아이디어의 핵심은 기업 친화적인 형식으로 변환되는 모델에 대한 단위 테스트와 포괄적인 테스트를 용이하게 하는 것이었습니다.
Elgendy는 Kolena를 모델 품질 프레임워크의 현재 환경에서 혁신적인 도구로 구상합니다. 단지 하위 집합이 아닌 전체 AI 및 기계 학습 시스템에 대한 엔드투엔드 테스트와 함께 팀이 시나리오 기반 또는 단위 테스트를 지속적으로 수행할 수 있도록 역량을 부여하는 데 초점이 맞춰져 있습니다.
Kolena는 AI 모델 테스트 데이터 범위에서 공백을 해독하는 데 유리한 것으로 입증되었습니다. 이 플랫폼은 위험 관리 기능을 통합하여 특정 AI 시스템 적용으로 인한 위험을 모니터링합니다. 사용자가 모델의 생산성을 평가하기 위한 테스트 사례를 공식화하고 모델의 성능을 방해하는 가능한 원인을 식별하는 동시에 다른 모델과 성능을 비교할 수 있는 Kolena의 UI를 통해 사용자 경험이 더욱 향상됩니다.
정확도 점수와 같은 일반적인 매개변수에 중점을 두는 기존 전략과 달리 Kolena를 사용하면 팀은 AI 애플리케이션이 직면하게 될 특정 시나리오에 대한 테스트를 관리하고 수행할 수 있습니다. Elgendy는 서로 다른 강점과 약점을 지닌 각 모델의 고유성을 확인하므로, 자동차 감지 모델의 정확도 점수가 다양한 측면에서 그 효율성을 반드시 확인할 수는 없습니다.
Kolena가 약속대로 서비스를 제공한다면 AI 앱을 뒷받침하는 모델을 구축하는 데 상당한 시간과 노력을 쏟는 데이터 과학자에게 게임 체인저가 될 수 있습니다. Elgendy는 Kolena 의 플랫폼이 AI 모델 테스트에 필수적인 데이터 유형, 평가 논리 및 기타 구성 요소에 대한 완전한 명령을 제공하는 극소수의 플랫폼 중 하나라고 주장합니다.
Elgendy는 고객이 플랫폼에 데이터나 모델을 업로드할 필요성을 무효화하는 Kolena의 개인 정보 보호 보장에 대해 조명합니다. 실제로 Kolena는 요청 시 삭제될 수 있는 향후 벤치마킹을 위해 모델 테스트 결과만 보존합니다.
Elgendy는 AI 및 기계 학습 시스템을 배포하기 전에 위험을 없애기 위해 강력한 테스트를 매우 중요하게 여깁니다. 그는 캐주얼 모델 테스트의 현재 시나리오와 기계 학습 개념 증명의 빈번한 실패를 애도하면서 철저한 모델 평가에 대한 Kolena의 약속을 확인합니다. 따라서 기계 학습 관리자, 제품 관리자 및 경영진에게 모델의 테스트 범위와 제품별 기능 요구 사항에 대한 탁월한 가시성을 제공하여 처음부터 제품 품질에 능숙하게 영향을 미칠 수 있습니다.
