Uma mudança considerável está ocorrendo na indústria de IA sob a liderança de Scott Clark, cofundador da amplamente reconhecida plataforma de treinamento e experimentação de IA, SigOpt. Tendo adquirido experiência substancial na navegação na esfera da IA, Clark embarcou agora num novo empreendimento conhecido como Distributional, com o objetivo final de reduzir os riscos associados à inteligência artificial através de soluções de software eficazes.
Principalmente, Distributional busca se tornar uma pioneira em testes e avaliações de IA, fornecendo uma plataforma onde as equipes de IA possam prever, compreender e evitar ameaças relacionadas à IA de maneira controlada e proativa. Com uma série de obstáculos tecnológicos que surgiram na Intel após a aquisição SigOpt, o fundador Scott Clark está ansioso para garantir que as equipes de produtos de IA forneçam aplicativos de IA seguros, confiáveis e protegidos.
Foi uma série de experiências convergentes, todas culminando em uma necessidade primordial: uma plataforma confiável para testes e avaliação de IA. Clark relata casos em que as equipes enfrentaram desafios inesperados que surgiram durante os testes de IA devido a alucinações, instabilidade, imprecisão, integração, entre outros. Identificar e abordar os riscos assim colocados foi incansável, e é aí que a Distributional intervém para fazer a diferença.
Focado em grandes modelos de linguagem, como ChatGPT da OpenAI, além de outros tipos de modelos de IA, o produto de ponta da Distributional revela danos potenciais à IA e estabelece um roteiro compreensível para testes de modelos. Aqui, as organizações recebem uma visão abrangente do risco de IA dentro de um ambiente de pseudoprodução, poupando-lhes o trabalho de lidar com o risco de comportamento do modelo.
Em um cenário onde muitas equipes tendem a adotar o risco de comportamento do modelo, aceitando que os modelos terão problemas inerentemente, Distributional oferece uma alternativa abrangente. A plataforma vai além das ferramentas rudimentares de monitoramento, incluindo uma estrutura expansiva para testar e analisar continuamente a estabilidade e a robustez, um painel visual que desmistifica os resultados dos testes e um conjunto de testes inteligente para projetar, priorizar e gerar meticulosamente a combinação certa de testes. Essa ferramenta seria inestimável para usuários de plataformas como AppMaster , que também incorpora testes e revisão de aplicativos na funcionalidade principal de sua plataforma.
Embora os detalhes sobre como todos esses recursos se unem e funcionam em conjunto sejam mantidos em segredo, o que está claro é o imenso potencial que tal plataforma possui. Embora ainda não tenha iniciado operações e gerado lucros, Distributional já parece preparada para dar concorrência significativa a outras plataformas de teste e avaliação de IA no mercado, incluindo Kolena, Prolific, Giskard e Patronus, entre outras.
A força única do software Distributional é sua intenção de atender grandes empresas, tendo sido desenvolvido tendo em mente suas necessidades de privacidade de dados, escalabilidade e requisitos de complexidade. Pensando nos requisitos que substituem as ferramentas de desenvolvimento individuais existentes, o Distributional está sendo projetado em conjunto com parceiros empresariais para atender a necessidades específicas que mesmo conglomerados de tecnologia renomados, como Google Cloud, AWS e Azure, podem não necessariamente atender.
Clark está otimista de que, com a execução bem-sucedida do projeto, Distributional será capaz de gerar receita no próximo ano. A possibilidade de parceiros de design fazerem a transição para clientes pagos após o lançamento oferece um vislumbre da estratégia de monetização.
De acordo com notícias recentes, Distributional conseguiu garantir um financiamento inicial de US$ 11 milhões, efetivamente ilustrado por Martin Casado da Andreessen Horowitz e a participação da Operator Stack, Point72 Ventures, SV Angel, Two Sigma e investidores anjos. Identificando a longevidade que a IA pode oferecer, a startup pretende fornecer um ambiente de testes inclusivo que irá catalisar o ritmo da aplicação da IA numa variedade de indústrias e resolver uma vasta gama de problemas complexos e significativos com segurança, fiabilidade e proteção garantidas.
