Znana ze swoich innowacyjnych rozwiązań w projektowaniu narzędzi do oceny, porównywania i walidacji wydajności modeli AI, Kolena niedawno ogłosiła, że pomyślnie zabezpieczyła obiecującą kwotę funduszu w wysokości 15 milionów dolarów. Kluczowymi inwestorami w rundzie finansowania, której przewodniczył Lobby Capital byli tacy inwestorzy jak SignalFire i Bloomberg Beta.
Świeży zastrzyk kapitału zwiększył łączne fundusze Koleny do oszałamiającej kwoty 21 milionów dolarów. Mając na celu przyspieszenie ścieżki wzrostu firmy, fundusze będą napędzać działalność badawczą, sojusze z organami regulacyjnymi oraz pobudzać inicjatywy sprzedażowe i marketingowe. Wiadomość tę potwierdził współzałożyciel i dyrektor generalny firmy, Mohamed Elgendy, w niedawnym wywiadzie e-mailowym dla TechCrunch.
Elgendy podkreśliła ogromny potencjał zastosowań sztucznej inteligencji, ale zwróciła uwagę na podstawowy sceptycyzm programistów i opinii publicznej co do zaufania do sztucznej inteligencji. Podkreślił potrzebę metodycznego i skutecznego wdrażania tej rozwijającej się technologii, która poprawia, a nie pogarsza, doświadczenia cyfrowe. Jego pogląd wynika z przekonania, że branża musi pielęgnować postęp technologiczny i kierować nim, aby służył dobrze, a nie tylko rozmywał się z powodu niewłaściwego wykorzystania.
Współpracując z Andrew Shi i Gordon Hart, którzy wnieśli swoją sześcioletnią wiedzę specjalistyczną z działów sztucznej inteligencji w Amazon, Palantir, Rakuten i Synapse, Elgendy wprowadziła na rynek Kolenę w 2021 r. Genialne umysły połączyły siły, aby opracować „ramy jakości modelu”. Istotą pomysłu było ułatwienie testów jednostkowych i kompleksowych testów przekładających się na modele w formie przyjaznej dla przedsiębiorstw.
Elgendy postrzega Kolenę jako narzędzie transformacyjne w obecnym krajobrazie ram jakości modeli. Koncentrujemy się na umożliwieniu zespołom ciągłego przeprowadzania testów opartych na scenariuszach lub testów jednostkowych, wraz z kompleksowym testowaniem całych systemów sztucznej inteligencji i uczenia maszynowego, a nie tylko ich podzbiorów.
Kolena okazuje się przydatna do rozszyfrowania luk w pokryciu danych testowych modelu AI. Platforma integruje funkcje zarządzania ryzykiem w celu monitorowania zagrożeń związanych z zastosowaniem konkretnego systemu AI. Doświadczenie użytkownika staje się jeszcze większe dzięki interfejsowi użytkownika Koleny, który umożliwia użytkownikom formułowanie przypadków testowych w celu oceny produktywności modelu i identyfikowania możliwych przyczyn, które utrudniają działanie modelu, przy jednoczesnym porównywaniu jego wydajności z innymi modelami.
W przeciwieństwie do konwencjonalnych strategii, które opierają się na parametrach ogólnych, takich jak wynik dokładności, dzięki Kolenie zespoły mogą zarządzać i przeprowadzać testy pod kątem konkretnych scenariuszy, z którymi będzie musiała się zmierzyć aplikacja AI. Elgendy potwierdza wyjątkowość każdego modelu z różnymi mocnymi i słabymi stronami, dlatego też wynik dokładności modelu w wykrywaniu samochodów niekoniecznie musi potwierdzać jego skuteczność w różnych aspektach.
Jeśli Kolena spełni swoją obietnicę, może zmienić zasady gry dla analityków danych, którzy poświęcają dużo czasu i wysiłku na budowanie modeli stanowiących podstawę aplikacji AI. Elgendy twierdzi, że platforma Kolena jest jedną z niewielu, które oferują pełną kontrolę nad typami danych, logiką oceny i innymi komponentami stanowiącymi integralną część testu modelu AI.
Elgendy rzuca światło na gwarancję prywatności Koleny, która eliminuje potrzebę przesyłania przez klientów swoich danych lub modeli na platformę. W rzeczywistości Kolena zachowuje jedynie wyniki testów modeli do celów przyszłych analiz porównawczych, które na żądanie mogą zostać usunięte.
Elgendy uważa, że solidne testy mają kluczowe znaczenie dla wyeliminowania zagrożeń związanych z systemem sztucznej inteligencji i uczenia maszynowego przed jego wdrożeniem. Ubolewając nad obecnym scenariuszem przypadkowych testów modeli i częstych niepowodzeń w weryfikacji koncepcji uczenia maszynowego, potwierdza zaangażowanie Koleny w dokładną ocenę modelu. Dlatego też zapewniamy niezrównany wgląd w zakres testów modelu i wymagania funkcjonalne specyficzne dla produktu menedżerom zajmującym się uczeniem maszynowym, menedżerom produktu i kadrze kierowniczej, umożliwiając im w ten sposób skuteczne wpływanie na jakość produktu od samego początku.
