การเปลี่ยนแปลงครั้งใหญ่กำลังเกิดขึ้นในอุตสาหกรรม AI ภายใต้การนำของ Scott Clark ผู้ร่วมก่อตั้งแพลตฟอร์มการฝึกอบรมและการทดลอง AI ที่ได้รับการยอมรับอย่างกว้างขวาง SigOpt หลังจากได้รับประสบการณ์มากมายในการสำรวจขอบเขตของ AI ตอนนี้ Clark ได้เริ่มต้นกิจการใหม่ที่เรียกว่า Distributional โดยมีเป้าหมายสูงสุดในการลดความเสี่ยงที่เกี่ยวข้องกับปัญญาประดิษฐ์ผ่านโซลูชันซอฟต์แวร์ที่มีประสิทธิภาพ
โดยหลักแล้ว Distributional พยายามที่จะเป็นผู้นำในการทดสอบและประเมินผล AI โดยเป็นแพลตฟอร์มที่ทีม AI สามารถคาดการณ์ เข้าใจ และหลีกเลี่ยงภัยคุกคามที่เกี่ยวข้องกับ AI ในลักษณะที่มีการควบคุมและเชิงรุก ด้วยอุปสรรคทางเทคโนโลยีมากมายที่เกิดขึ้นที่ Intel หลังจากการซื้อกิจการ SigOpt ที่กระตุ้นให้เขา ผู้ก่อตั้ง Scott Clark มีความกระตือรือร้นที่จะให้แน่ใจว่าทีมผลิตภัณฑ์ AI จะส่งมอบแอปพลิเคชัน AI ที่ปลอดภัย เชื่อถือได้ และมั่นคง
เป็นชุดประสบการณ์ที่มาบรรจบกัน ทั้งหมดนี้ล้วนมีความต้องการสูงสุดเพียงสิ่งเดียว นั่นคือแพลตฟอร์มที่เชื่อถือได้สำหรับการทดสอบและประเมินผล AI คลาร์กเล่าถึงกรณีที่ทีมต้องต่อสู้กับความท้าทายที่ไม่คาดคิดที่เกิดขึ้นระหว่างการทดสอบ AI เนื่องจากภาพหลอน ความไม่มั่นคง ความไม่ถูกต้อง การบูรณาการ และอื่นๆ อีกมากมาย การระบุและจัดการกับความเสี่ยงที่เกิดขึ้นนั้นเกิดขึ้นอย่างไม่หยุดยั้ง ซึ่งเป็นจุดที่ Distributional ก้าวเข้ามาเพื่อสร้างความแตกต่าง
มุ่งเน้นไปที่โมเดลภาษาขนาดใหญ่ เช่น ChatGPT ของ OpenAI นอกเหนือจากโมเดล AI ประเภทอื่นๆ ผลิตภัณฑ์ล้ำสมัยของ Distributional ขจัดปัญหา AI ที่อาจเกิดขึ้น และวางแผนกลยุทธ์ที่เข้าใจได้สำหรับการทดสอบโมเดล ในที่นี้ องค์กรต่างๆ จะได้รับมุมมองที่ครอบคลุมเกี่ยวกับความเสี่ยงของ AI ภายในสภาพแวดล้อมการผลิตแบบหลอกๆ ซึ่งช่วยลดปัญหาในการจัดการกับความเสี่ยงด้านพฤติกรรมแบบจำลอง
ในสภาวะที่หลายทีมโน้มตัวไปสู่การยอมรับความเสี่ยงด้านพฤติกรรมของโมเดล โดยยอมรับว่าโมเดลจะมีปัญหาโดยธรรมชาติ Distributional มอบทางเลือกที่ครอบคลุม แพลตฟอร์มดังกล่าวขยายขอบเขตไปไกลกว่าเครื่องมือตรวจสอบขั้นพื้นฐานโดยการรวมเฟรมเวิร์กที่กว้างขวางสำหรับการทดสอบและการวิเคราะห์ความเสถียรและความทนทานอย่างต่อเนื่อง แดชบอร์ดแบบภาพที่ทำให้เข้าใจผลการทดสอบได้ง่ายขึ้น และชุดการทดสอบอัจฉริยะเพื่อการออกแบบ จัดลำดับความสำคัญ และสร้างการผสมผสานการทดสอบที่เหมาะสมอย่างพิถีพิถัน เครื่องมือดังกล่าวจะมีคุณค่าอย่างยิ่งในการเรียนรู้สำหรับผู้ใช้บนแพลตฟอร์มเช่น AppMaster ซึ่งรวมถึงการทดสอบและการตรวจสอบแอปพลิเคชันในฟังก์ชันหลักของแพลตฟอร์มด้วย
แม้ว่าข้อมูลเฉพาะเกี่ยวกับวิธีการรวมคุณสมบัติเหล่านี้และการทำงานควบคู่กันนั้นยังคงเป็นความลับ แต่สิ่งที่ชัดเจนก็คือศักยภาพอันยิ่งใหญ่ที่แพลตฟอร์มดังกล่าวมีอยู่ แม้ว่าจะยังไม่เริ่มดำเนินการและสร้างผลกำไร แต่ดูเหมือนว่า Distributional พร้อมที่จะแข่งขันอย่างมีนัยสำคัญกับแพลตฟอร์มการทดสอบและประเมินผล AI อื่นๆ ในตลาด รวมถึง Kolena, Prolific, Giskard และ Patronus และอื่นๆ อีกมากมาย
จุดแข็งที่เป็นเอกลักษณ์ของซอฟต์แวร์ของ Distributional คือจุดมุ่งหมายที่จะตอบสนององค์กรขนาดใหญ่ โดยได้รับการออกแบบโดยคำนึงถึงความต้องการความเป็นส่วนตัวของข้อมูล ความสามารถในการขยายขนาด และข้อกำหนดด้านความซับซ้อน ด้วยแนวคิดที่มอบให้กับข้อกำหนดที่เข้ามาแทนที่เครื่องมือสำหรับนักพัฒนาแต่ละรายที่มีอยู่ Distributional ได้รับการออกแบบร่วมกับพันธมิตรระดับองค์กรเพื่อตอบสนองความต้องการที่แน่นอนซึ่งแม้แต่กลุ่มบริษัทเทคโนโลยีที่มีชื่อเสียง เช่น Google Cloud, AWS และ Azure ก็อาจไม่สามารถตอบสนองได้
คลาร์กมองในแง่ดีว่าหากการออกแบบประสบความสำเร็จนี้ Distributional จะสามารถสร้างรายได้ภายในปีที่กำลังจะมาถึง ความเป็นไปได้ที่พันธมิตรด้านการออกแบบจะเปลี่ยนไปใช้ลูกค้าแบบชำระเงินหลังการเปิดตัว ช่วยให้มองเห็นกลยุทธ์การสร้างรายได้ได้คร่าวๆ
ตามข่าวล่าสุด Distributional สามารถระดมทุนเริ่มต้นได้ 11 ล้านดอลลาร์ ซึ่งแสดงให้เห็นอย่างมีประสิทธิภาพโดย Martin Casado ของ Andreessen Horowitz และการมีส่วนร่วมจาก Operator Stack, Point72 Ventures, SV Angel, Two Sigma และ angel Investor ระบุอายุการใช้งานที่ยืนยาวที่ AI สามารถนำเสนอได้ สตาร์ทอัพนี้มีจุดมุ่งหมายเพื่อสร้างสภาพแวดล้อมการทดสอบแบบครอบคลุมที่จะกระตุ้นการใช้งาน AI ในอุตสาหกรรมต่างๆ และเพื่อจัดการกับปัญหาที่ซับซ้อนและสำคัญมากมายด้วยความปลอดภัย ความน่าเชื่อถือ และการรักษาความปลอดภัย
