Deepchecks بذر 14 میلیون دلاری را برای اعتبارسنجی مداوم مدل‌های ML می‌گیرد

از آنجایی که شرکت‌ها به طور فزاینده‌ای به مدل‌های یادگیری ماشینی تکیه می‌کنند، ضروری است که به طور مداوم مدل‌ها را بررسی کنند تا مطمئن شوند که مطابق با هدف کار می‌کنند و داده‌ها معتبر، بی‌طرفانه و به هیچ‌وجه خراب نیستند.

Deepchecks، یک استارت آپ اسرائیلی راه حلی برای آزمایش مداوم مدل ها از توسعه تا تولید ارائه کرده است. امروز، این شرکت سرمایه گذاری اولیه 14 میلیون دلاری و در دسترس بودن نسخه منبع باز راه حل را اعلام کرد. این شرکت همچنین یک محصول تجاری به نام Deepchecks Hub دارد که آزمایش آن را در اوایل سال جاری آغاز کرد.

مدیرعامل فیلیپ تانور و مدیر ارشد فناوری شیر چورف مدتی را در ارتش اسرائیل گذراندند و در آنجا روی یادگیری ماشین کار کردند. Chorev گفت که آنها از نزدیک در مورد قدرت و محدودیت های این فناوری یاد گرفتند و به همین دلیل تصمیم گرفتند شرکتی را برای کار بر روی مدل های بررسی کیفیت راه اندازی کنند.

«بنابراین من و فیلیپ هر دو در جایگاه رهبری تحقیقات هوش مصنوعی و ارائه مدل‌ها به تولید بودیم. و هر دوی ما پتانسیل ارزش عظیمی را که الگوریتم‌های هوش مصنوعی به طور کلی دارند، دیدیم، اما در کنار آن متوجه شدیم که آنها با چالش‌های بسیار مهمی روبرو هستند، به ویژه اینکه می‌توانند واقعاً کاری را که قرار است انجام دهند و به درستی انجام دهند، انجام دهند. چورف به TechCrunch گفت.

او می‌گوید بدون ابزارهایی مانند Deepchecks که به دانشمندان داده کمک می‌کند مطمئن شوند داده‌هایی که استفاده می‌کنند مغرضانه، اطلاعات نادرست یا مبتنی بر داده‌های ورودی فاسد نیستند، سخت است که بدانیم در داخل این مدل‌ها چه می‌گذرد – و به طور کلی در طول زمان عملکرد خوبی دارند.

او و تانور که تمرین‌کنندگان بودند، متوجه شدند که چیزی که کمبود دارد، ابزاری برای کمک به بررسی مداوم این مدل‌ها در طول فرآیند برای آزمایش و اعتبارسنجی جنبه‌های مختلف مدل مانند یکپارچگی داده‌ها است. بنابراین مانند هر کارآفرین خوب، آنها ابزار مورد نظر خود را ساختند و آن را منبع باز کردند. اخیراً آنها همچنین یک نسخه تجاری از محصول ساخته اند، نسخه ای که ویژگی های استاندارد سازمانی مانند امنیت قوی و احراز هویت را ارائه می دهد.

او گفت: “ما درک و تجربه عملی زیادی را در این زمینه به ارمغان آوردیم و همچنین می دانستیم مشکل و آنچه می خواستیم چیست.” این تجربیات مرتبط و مفید بودند که شرکت را ایجاد کردند. این شرکت گزارش می دهد که این محصول منبع باز بیش از 500000 بار دانلود شده است و توسط شرکت هایی مانند AWS، Booking.com و Wix و همچنین شرکت های تحت نظارت که نمی توانند به طور عمومی نام ببرند از آن استفاده می شود.

این شرکت در سال 2020 راه اندازی شد و حدود یک سال و نیم طول کشید تا اولین نسخه ابزار متن باز را راه اندازی کند.

Chorev تشخیص می دهد که او به عنوان یکی از بنیانگذاران زن بسیار کمیاب است، اما او می گوید که همیشه به رشته هایی که مردان بر آن تسلط دارند علاقه مند بوده است و این تنها در طول زندگی حرفه ای او را هدایت کرده است. من شخصاً از سنین جوانی احساس می‌کنم که این چیزی نبود که مانع من شود. در عوض، خوب است، سخت‌تر است، بنابراین من فشار می‌آورم و آن را به دست می‌آورم.»

منظورم این است که این یک مسیر چالش برانگیز است، به هر طریقی که شما آن را انتخاب کنید، اما من سعی می‌کنم در دسترس باشم تا به دیگران کمک کنم تا مردم را تشویق کنند، چه زن باشند و چه مرد، اگر آن چیزی است که می‌خواهند این مسیر را انتخاب کنند.»

امروزه، این شرکت حدود 15 کارمند دارد و قصد دارد این تعداد را در سال جاری 25 تا 30 درصد افزایش دهد. او نگران ایجاد نیروی کار متنوع است، حتی در حالی که تشخیص آن می تواند برای یک شرکت جوان چالشی باشد. او گفت: “این یک چالش بزرگ است و ما تلاش می کنیم تا تنوع را در حال حاضر تشویق کنیم و همچنین با رشد خود به جلو برویم.”

دور تأمین مالی امروز واقعاً ترکیبی از دو بخش پول است، یک دور اولیه 4.4 میلیون دلاری در زمان راه اندازی و 9.5 میلیون دلاری که در پایان سال گذشته بسته شد. سرمایه گذاری توسط Alpha Wave Ventures با مشارکت Hetz Ventures و Grove Ventures هدایت شد.