Distributional 獲 1900 萬美元 A 輪融資，劍指 AI 自動化

Distributional，一個由英特爾前人工智能軟件總經理斯科特·克拉克（Scott Clark）創立的人工智能測試平臺，已經完成了由 Two Sigma Ventures 領投的 1900 萬美元 A 輪融資。

克拉克稱，Distributional 的靈感源自他在英特爾應用人工智能時遭遇的人工智能測試難題，還有在此之前他在 Yelp 擔任公司廣告定位部門軟件負責人時的工作。

“隨着人工智能應用的價值持續攀升，運營風險也隨之加大，”他對 TechCrunch 說道。“人工智能產品團隊藉助我們的平臺，在生產環節引入風險之前，主動且持續地去檢測、理解和化解人工智能風險。”

克拉克是通過收購來到英特爾的。

2020 年，英特爾收購了SigOpt，這是一個由克拉克共同創立的模型實驗和管理平臺。克拉克留了下來，並於 2022 年被任命爲英特爾人工智能和超級計算軟件集團的副總裁兼總經理。

在英特爾，克拉克稱，他和他的團隊常常因人工智能的監測和可觀測性問題而受到阻礙。

克拉克指出，人工智能具有非確定性——這意味着針對同一份數據，它會產生不同的輸出。

再加上人工智能模型存在許多依賴項（比如軟件基礎設施和訓練數據），要在人工智能系統中定位錯誤簡直就像大海撈針。

根據蘭德公司 2024 年的一項調查顯示，超過 80%的人工智能項目都失敗了。

生成式人工智能對於公司而言是一項特別的挑戰，高德納研究預測，到 2026 年，三分之一的部署將會被放棄。

“這需要針對許多數據屬性的分佈編寫統計測試，”克拉克說道。“人工智能需要在整個生命週期中持續且自適應地進行測試，從而捕捉行爲變化。”

克拉克創建了 Distributional，試圖在一定程度上使這種人工智能審計工作簡化，借鑑了他和 SigOpt 團隊在與企業客戶合作時開發的技術。Distributional 可以根據開發人員的規格自動爲人工智能模型和應用創建統計測試，並在儀表板中組織這些測試的結果。

通過該儀表板，Distributional 用戶可以在測試“存儲庫”上協同工作，對失敗的測試進行分類，並在必要時重新校準測試。整個環境可以在本地部署（儘管 Distributional 也提供託管計劃），並與流行的警報和數據庫工具集成。

“我們讓整個組織能夠清晰瞭解人工智能應用何時、怎樣進行測試以及其隨着時間推移的變化情況，”克拉克說，“並且我們通過使用可共享的模板、配置、過濾器和標籤，爲類似的應用提供了一個可重複的人工智能測試過程。”

人工智能確實是一個難以駕馭的龐然大物。即使是頂級的人工智能實驗室也存在風險管理薄弱的情況。像 Distributional 這樣的平臺可以減輕測試負擔，甚至可能幫助公司實現投資回報率。

至少，這是克拉克的說法。

“無論是不穩定、不準確，還是其他數十種潛在挑戰，都可能難以識別人工智能風險，”他說。“如果團隊未能正確開展人工智能測試，他們就面臨人工智能應用永遠無法投入生產的風險。”

“或者，如果他們實現了生產化，他們就面臨這些應用以意想不到且可能有害的方式運行，而對這些問題卻毫無察覺的風險。”

Distributional 並非首家推出用於探測和分析人工智能可靠性技術的企業。Kolena、 Prolific、 Giskard、 和 Patronus 是衆多人工智能實驗解決方案中的一部分。谷歌雲、AWS 和 Azure 等科技巨頭也提供模型評估工具。

那麼，爲什麼客戶會選擇 Distributional 呢？

嗯，克拉克斷言，即將將其產品套件商業化的 Distributional 提供了比許多公司更“優質”的體驗。

Distributional 爲客戶承擔安裝、實施和集成，並提供人工智能測試故障排除服務（收費）。

“監測工具通常側重於更高級別的指標和異常值的特定實例，這在一致性方面給人的感覺較爲有限，但對更廣泛的應用行爲沒有洞察力，”克拉克說。

Distributional 測試的目標是讓團隊能夠爲任何人工智能應用獲取所需行爲的定義。確認其在生產和開發過程中仍表現如預期，檢測這種行爲何時發生變化。弄清楚需要發展或修復什麼，以再次達到穩定狀態。

在完成 A 輪融資後，Distributional 計劃擴大其技術團隊，重點放在用戶界面和人工智能研究工程方面。

“成立僅一年的時間，我們就獲得了大量資金，而且，即使我們的團隊在不斷壯大，我們也能夠在未來幾年利用這個巨大的機會，”克拉克補充道。

安德森·霍洛維茨、運營商集體、俄勒岡風險基金、精華風投以及校友風投也參與了 Distributional 的 A 輪融資。

截至目前，這家位於舊金山的初創公司已籌集 3000 萬美元。