Kolena以其在设计评估、基准测试和验证 AI 模型性能的工具方面的创新解决方案而闻名，最近宣布成功获得 1500 万美元的有前景的资金。由Lobby Capital主持的这轮融资的主要投资者包括SignalFire和Bloomberg Beta等公司。
新的注资使 Kolena 的资金总额达到惊人的 2100 万美元。这些资金旨在加速公司的增长轨迹，将推动研究活动、与监管机构的联盟，并推动销售和营销计划。该公司联合创始人兼首席执行官Mohamed Elgendy在最近接受 TechCrunch 电子邮件采访时证实了这一消息。
Elgendy 强调了人工智能应用的巨大潜力，但提请人们注意开发人员和公众对信任人工智能的潜在怀疑。他强调需要有条不紊、有效地部署这种不断发展的技术，以增强而不是损害数字体验。他的观点源于这样一种信念，即该行业需要培育和引导技术进步，以服务于正确的方向，而不仅仅是由于误导性的利用而分道扬镳。
Elgendy 与Andrew Shi和Gordon Hart合作，于 2021 年推出了 Kolena。Andrew Shi 和 Gordon Hart 贡献了他们在 Amazon、Palantir、Rakuten 和 Synapse 人工智能部门的六年专业知识。Elgendy 于 2021 年推出了 Kolena。这些才华横溢的人齐聚一堂，设想了一个“模型质量框架”。这个想法的关键是促进模型的单元测试和全面测试，并将其转换为企业友好的形式。
Elgendy 将 Kolena 视为当前模型质量框架领域的变革性工具。重点仍然是使团队能够永久进行基于场景的测试或单元测试，以及整个人工智能和机器学习系统（而不仅仅是子集）的端到端测试。
事实证明，Kolena 对于破译 AI 模型测试数据覆盖范围中的缺陷具有优势。该平台集成了风险管理功能，可以监控特定人工智能系统应用所带来的风险。 Kolena 的 UI 进一步提升了用户体验，使用户能够制定测试用例来评估模型的生产力并识别阻碍模型性能的可能原因，同时将其性能与其他模型进行比较。
与专注于准确性分数等通用参数的传统策略不同，借助 Kolena，团队可以针对人工智能应用程序必须面对的特定场景进行管理和测试。 Elgendy 肯定了每个模型的独特性，具有不同的优点和缺点，因此，模型在检测汽车方面的准确度分数不一定能肯定其在不同方面的有效性。
如果 Kolena 兑现其承诺，它可能会成为数据科学家的游戏规则改变者，他们花费大量时间和精力来构建支撑人工智能应用程序的模型。 Elgendy 声称， Kolena的平台是极少数能够提供对数据类型、评估逻辑和人工智能模型测试中不可或缺的其他组件的完整控制的平台之一。
Elgendy 揭示了 Kolena 的隐私保证，该保证使客户无需在平台上上传数据或模型。事实上，Kolena 仅保留模型测试结果以供将来的基准测试使用，这些结果可能会根据要求删除。
Elgendy 认为，稳健的测试对于在部署之前消除人工智能和机器学习系统的风险至关重要。他对当前随意模型测试和机器学习概念验证中频繁失败的情况感到遗憾，并肯定了 Kolena 对彻底模型评估的承诺。因此，为机器学习经理、产品经理和高管提供模型测试覆盖范围和产品特定功能要求的无与伦比的可见性，从而使他们能够从一开始就熟练地影响产品质量。
