在广泛认可的人工智能培训和实验平台SigOpt联合创始人 Scott Clark 的领导下，人工智能行业正在发生重大转变。在人工智能领域积累了丰富的经验后，克拉克现在开始了一项名为“分布式”的新事业，其最终目标是通过有效的软件解决方案来遏制与人工智能相关的风险。
主要是， Distributional致力于成为人工智能测试和评估的先行者，提供一个平台，让人工智能团队能够以受控和主动的方式预测、理解和避开人工智能相关的威胁。收购SigOpt后，英特尔出现了一系列技术障碍，创始人斯科特·克拉克 (Scott Clark) 迫切希望确保人工智能产品团队提供安全、可靠的人工智能应用程序。
这是一系列融合的经验，所有这些经验最终都集中在一个最重要的需求上——一个可靠的人工智能测试和评估平台。克拉克讲述了一些例子，团队努力应对人工智能测试过程中由于幻觉、不稳定、不准确、集成等原因出现的意外挑战。识别和解决由此带来的风险是不懈的，这就是分布式介入发挥作用的地方。
除了其他 AI 模型类型之外，Distributional 的尖端产品还专注于OpenAI的 ChatGPT 等大型语言模型，充实了潜在的 AI 危害，并为模型测试制定了易于理解的路线图。在这里，组织可以在伪生产环境中获得人工智能风险的总体视图，从而省去处理模型行为风险的麻烦。
在许多团队倾向于采用模型行为风险并接受模型本质上存在问题的环境中， Distributional提供了一种全面的替代方案。该平台超越了基本的监控工具，包括一个用于持续测试和分析稳定性和稳健性的扩展框架、一个揭开测试结果神秘面纱的可视化仪表板，以及一个用于精心设计、确定优先级和生成正确测试组合的智能测试套件。对于像AppMaster这样的平台上的用户来说，学习这样的工具非常宝贵，该平台还在其平台核心功能中纳入了应用程序的测试和审查。
尽管所有这些功能如何组合在一起并协同工作的具体细节仍处于保密状态，但显而易见的是这样一个平台所拥有的巨大潜力。尽管尚未开始运营并产生利润， Distributional似乎已经做好了与市场上其他人工智能测试和评估平台（包括Kolena 、 Prolific 、 Giskard和Patronus等）激烈竞争的准备。
Distributional 软件的独特优势在于其旨在满足大型企业的需求，在设计时考虑到了他们对数据隐私、可扩展性和复杂性的需求。考虑到取代现有个人开发工具的要求，Distributional 正在与企业合作伙伴共同设计，以满足即使是Google Cloud 、 AWS和Azure等知名科技集团也不一定能满足的严格需求。
克拉克乐观地认为，随着设计的成功执行， Distributional将能够在来年产生收入。设计合作伙伴在产品发布后转向付费客户的可能性，让我们可以一睹货币化策略。
根据最近的消息， Distributional已成功获得 1100 万美元的种子资金，Andreessen Horowitz 的 Martin Casado 以及 Operator Stack、Point72 Ventures、SV Angel、Two Sigma 和天使投资者的参与有力证明了这一点。该初创公司认识到人工智能可以提供的长久性，旨在提供一个包容性的测试环境，以促进人工智能在各行各业的应用步伐，并在确保安全性、可靠性和安全性的情况下解决各种复杂而重大的问题。
