Galilei, ein Startup, das eine Plattform für die Entwicklung von KI-Modellen einführt, gab heute bekannt, dass es 18 Millionen US-Dollar in einer von Battery Ventures angeführten Serie-A-Runde mit Beteiligung von The Factory, Walden Catalyst, FPV Ventures, Kaggle-Mitbegründer Anthony Goldbloom und anderen Angel-Investoren gesammelt hat. Das neue Geld erhöht die Gesamteinnahmen des Unternehmens auf 23,1 Millionen US-Dollar und wird für den Ausbau der Engineering- und Go-to-Market-Teams von Galileo und die Erweiterung der Kernplattform zur Unterstützung neuer Datenmodalitäten verwendet, sagte CEO Vikram Chatterji per E-Mail gegenüber Tech.
Da der Einsatz von KI im gesamten Unternehmen immer häufiger wird, steigt die Nachfrage nach Produkten, die es einfacher machen, kritische KI-Fehler zu untersuchen, zu entdecken und zu beheben. Laut einem jüngste Umfrage (von der MLOps Community) geben 84,3 % der Datenwissenschaftler und Ingenieure für maschinelles Lernen an, dass die Zeit, die zum Erkennen und Diagnostizieren von Problemen mit einem Modell erforderlich ist, ein Problem für ihre Teams darstellt, während mehr als jeder Vierte (26,2 %) zugibt, dass sie dafür benötigt werden eine Woche oder länger, um Probleme zu erkennen und zu beheben.
Einige dieser Probleme beinhalten falsch gekennzeichnete Daten, bei denen die Etiketten, die zum Trainieren eines KI-Systems verwendet werden, Fehler enthalten, wie z. B. ein Bild eines Baums, der fälschlicherweise als „Zimmerpflanze“ bezeichnet wird. Andere beziehen sich auf Datendrift oder Datenungleichgewicht, was passiert, wenn sich Daten weiterentwickeln, um ein KI-System weniger genau zu machen (denken Sie an ein Börsenmodell, das auf Daten aus der Zeit vor der Pandemie trainiert wurde) oder die Daten nicht ausreichend repräsentativ für eine Domäne sind (z. B. Daten Reihe von Kopfschüssen hat mehr hellhäutige als dunkelhäutige).
Die Plattform von Galileo zielt darauf ab, KI-Entwicklungspipelines teamübergreifend zu systematisieren, indem „Auto-Logger“ und Algorithmen verwendet werden, die systembrechende Probleme hervorheben. Galileo s. wurde für den Einsatz in einer lokalen Umgebung entwickeltkalen über den KI-Workflow – von der Vorentwicklung bis zur Postproduktion – sowie unstrukturierte Datenmodalitäten wie Text, Sprache und Bild.
In der Datenwissenschaft beziehen sich „unstrukturierte“ Daten normalerweise auf Daten, die nicht nach einem vorgegebenen Datenmodell oder Schema angeordnet sind, wie Rechnungen oder Sensordaten. Atindriyo Sanyal – der zweite Mitbegründer von Galileo – argumentiert, dass die auf Excel- und Python-Skripten basierenden Prozesse, um sicherzustellen, dass qualitativ hochwertige Daten in Modelle eingespeist werden, manuell, fehleranfällig und kostspielig sind.
Ein Screenshot der Galileo Community Edition. Bildnachweis: Galilei
„Bei der Überprüfung ihrer Daten mit Galileo decken Benutzer sofort die lange Reihe von Datenfehlern auf, wie z. B. falsch gekennzeichnete Daten oder unterrepräsentierte Sprachen [and] Mülldaten, auf die sie innerhalb von Galileo sofort reagieren können, indem sie zusätzliche ähnliche Daten aus der Produktion entfernen, neu kennzeichnen oder hinzufügen“, sagte Sanyal in einem E-Mail-Interview mit Tech. „Für Teams war es von entscheidender Bedeutung, dass Galileo Datenworkflows für maschinelles Lernen durchgängig unterstützt – selbst wenn ein Modell in Produktion ist, informiert Galileo Teams automatisch über Datenabweichungen und zeigt die wertvollsten Daten an, mit denen sie als nächstes trainieren können.“
Das Mitbegründerteam von Galileo hat mehr als ein Jahrzehnt damit verbracht, Produkte für maschinelles Lernen zu entwickeln, wobei es sich nach eigenen Angaben den Herausforderungen der Entwicklung von KI-Systemen aus erster Hand gestellt hat. Chatterji leitete das Produktmanagement bei Google AI, während Sanyal die Entwicklung der KI-Abteilung von Uber leitete und ein frühes Mitglied des Siri-Teams bei Apple war. Der dritte Mitbegründer von Galileo, Yash Sheth, ist ein weiterer Google-Veteran, der zuvor das Team der Spracherkennungsplattform des Unternehmens geleitet hat.
Die Plattform von Galileo fällt in die aufkeimende Kategorie von Software, die als MLOps bekannt ist, eine Reihe von Tools zur Bereitstellung und Wartung von Modellen für maschinelles Lernen in der Produktion. Es ist ernsthaft gefragt. Einzeln Einschätzungkönnte der Markt für MLOps bis 2025 4 Milliarden US-Dollar erreichen.
Es gibt keinen Mangel an Start-ups, die nach dem Weltraum suchen, wie Comet, das im vergangenen November 50 Millionen US-Dollar gesammelt hat. Andere Anbieter mit VC-Unterstützung sind Arize, Tecton, Diveplane, Iterative und das in Taiwan ansässige Unternehmen InfuseAI.
Aber obwohl Galileo erst vor wenigen Monaten gestartet wurde, hat es zahlende Kunden von „wachstumsstarken“ Startups bis hin zu Fortune-500-Unternehmen, behauptet Sanyal. „Unsere Kunden nutzen Galileo, während sie Anwendungen für maschinelles Lernen entwickeln, wie z. B. die Erkennung von Hassreden, die Erkennung der Anruferabsicht in Contact Centern und die Verbesserung des Kundenerlebnisses mit Konversations-KI“, fügte er hinzu.
Sanyal geht davon aus, dass die Einführung des kostenlosen Angebots von Galileo – Galileo Community Edition – die Anmeldungen weiter ankurbeln wird. Die Community Edition ermöglicht es Datenwissenschaftlern, die an der Verarbeitung natürlicher Sprache arbeiten, maschinelle Lernmodelle mit einigen der in der kostenpflichtigen Version enthaltenen Tools zu erstellen, sagte Sanyal.
„Mit der Galileo Community Edition kann sich jeder kostenlos anmelden, ein paar Codezeilen hinzufügen, während er sein Modell mit beschrifteten Daten oder während eines Inferenzlaufs mit nicht beschrifteten Daten trainiert, um Datenfehler sofort zu untersuchen, zu finden und zu beheben oder die richtigen Daten auszuwählen label next mit der leistungsstarken Galileo-Benutzeroberfläche“, fügte er hinzu.
Auf Nachfrage wollte Sanyal keine Umsatzzahlen nennen. Er stellte jedoch fest, dass die Belegschaft von Galileo mit Sitz in San Francisco von 14 Personen im Mai auf heute „mehr als“ 20 Personen angewachsen ist.