Η πλατφόρμα ανάπτυξης μοντέλων AI Abacus.ai κερδίζει 50 εκατομμύρια δολάρια

Η Abacus.ai, μια πλατφόρμα που δημιουργεί εργαλεία προγραμματισμού για την ανάπτυξη και την ανάπτυξη τεχνολογιών τεχνητής νοημοσύνης επιχειρήσεων, ανακοίνωσε σήμερα ότι συγκέντρωσε 50 εκατομμύρια δολάρια σε μια σειρά Γ γύρου με επικεφαλής την Tiger Global με τη συμμετοχή των Coatue, Index Partners και Alkeon Ventures. Η αύξηση φέρνει της εταιρείας σύνολο χρηματοδότηση στα 90.3 εκατομμύρια δολάρια μέχρι σήμερα, και ο Διευθύνων Σύμβουλος Bindu Reddy λέει ότι θα χρησιμοποιηθεί για την περαιτέρω ανάπτυξη των τεχνολογιών AI της Abacus, αυξάνοντας παράλληλα το εργατικό δυναμικό της εταιρείας.

Ενώ το ποσοστό των επιχειρήσεις επενδύοντας περισσότερα από 50 εκατομμύρια δολάρια σε μεγάλα δεδομένα και πρωτοβουλίες τεχνητής νοημοσύνης έφτασε το 64.8% το 2020 (από 39.7% το 2018), οι οργανισμοί όλων των μεγεθών εξακολουθούν να αγωνίζονται να εφαρμόσουν την τεχνητή νοημοσύνη γρήγορα — και με επιτυχία. Περίπου το 80% των έργων τεχνητής νοημοσύνης δεν φθάνουν ποτέ στην ανάπτυξη, σύμφωνα με στη Gartner, και αυτά που το κάνουν είναι κερδοφόρα μόνο περίπου στο 60% των περιπτώσεων.

Ιδρύθηκε το 2019 από τους Arvind Sundararajan, Siddartha Naidu και Reddy, το Abacus παρέχει μια υπηρεσία σε οργανισμούς για την ανάπτυξη μοντέλων τεχνητής νοημοσύνης μέσω λειτουργικών μονάδων που μπορούν να μεταδίδουν, να παρακολουθούν, να κάνουν debias, να συγχωνεύουν, να αποθηκεύουν και να μετασχηματίζουν δεδομένα. Σύμφωνα με τον Reddy, χρήστες χωρίς προηγμένες γνώσεις επιστήμης δεδομένων και περιορισμένους προϋπολογισμούς μπορούν να το χρησιμοποιήσουν για να επαναλάβουν συστήματα από άκρο σε άκρο συγκρίσιμα με τις ροές περιεχομένου του Twitter και του TikTok και τη δυνατότητα αυτόματης συμπλήρωσης του Gmail.

«Έχουμε δει την ταχεία υιοθέτηση της πλατφόρμας μας καθώς οι πελάτες παράγουν εντολές μεγέθους περισσότερα δεδομένα, μεταφέρουν όλες τις δραστηριότητές τους στην ψηφιακή σφαίρα και αναζητούν μοντέλα τεχνητής νοημοσύνης για να λάβουν αποφάσεις», είπε ο Ρέντι στο VentureBeat μέσω email. «Σύντομα θα δούμε ένα σημείο καμπής στην υιοθέτηση της τεχνητής νοημοσύνης, καθώς γίνεται ευκολότερη και ευκολότερη η ανάπτυξη μοντέλων και η λειτουργικοποίησή τους».

AutoML

Το Abacus περιλαμβάνει στοιχεία του "AutoML", ή της διαδικασίας αυτοματοποίησης της εφαρμογής της μηχανικής μάθησης σε προβλήματα του πραγματικού κόσμου. Το AutoML καλύπτει ολόκληρο τον αγωγό, από ακατέργαστα σύνολα δεδομένων έως αναπτυγμένα μοντέλα μηχανικής εκμάθησης, και οι ομάδες επιστήμης δεδομένων το υιοθετούν όλο και περισσότερο για να ξεπεράσουν τους αποκλειστές στους οργανισμούς τους. Forrester εκθέσεις ότι το 25% των υπευθύνων λήψης αποφάσεων δεδομένων και ανάλυσης των οποίων οι εταιρείες υιοθετούν την τεχνητή νοημοσύνη δήλωσαν ότι σχεδιάζουν να εφαρμόσουν λογισμικό AutoML εντός του επόμενου έτους. Το XNUMX τοις εκατό είπε ότι είχαν ήδη εφαρμόσει το λογισμικό AutoML ή ότι βρίσκονταν στη διαδικασία εφαρμογής του, σύμφωνα με τη μελέτη.

Η Abacus διεξάγει έρευνα και προσφέρει υπηρεσίες cloud AI για να βοηθήσει τις εταιρείες να ενσωματώσουν μοντέλα μηχανικής εκμάθησης στις διαδικασίες τους. Οι πελάτες επιλέγουν μια περίπτωση χρήσης και δείχνουν στα δεδομένα τους, μετά από την οποία ο κινητήρας του Abacus δημιουργεί ένα σύστημα AI που μπορεί να χρησιμοποιηθεί για να κάνει και να μοιραστεί προβλέψεις.

Επάνω: Ταμπλό διαχείρισης μοντέλων της Abacus.

Πηγή εικόνας: Abacus

Η Abacus λέει ότι το σύστημά της εφαρμόζει την έρευνα της startup για γενετικά μοντέλα και αναζήτηση νευρικής αρχιτεκτονικής για να αντιμετωπίσει θορυβώδη ή ελλιπή δεδομένα. Φαινομενικά προσδιορίζει το καλύτερο νευρωνικό δίκτυο που μοντελοποιεί το ιδιόκτητο σύνολο δεδομένων και περιπτώσεις χρήσης ενός πελάτη που καλύπτουν λειτουργίες πληροφορικής, μάρκετινγκ και πωλήσεις, απάτη και ασφάλεια, καθώς και προβλέψεις και προγραμματισμό.

Επιπλέον, το σύστημα είναι καλό στη διαμόρφωση αγωγών, στον προγραμματισμό της επανεκπαίδευσης μοντέλων σε νέα δεδομένα, στην παροχή μοντέλων που εξυπηρετούν από ακατέργαστα δεδομένα και στην παροχή εξηγήσεων για τις προβλέψεις των μοντέλων, λέει ο Reddy. «Οι κοινές περιπτώσεις χρήσης τεχνητής νοημοσύνης για επιχειρήσεις, όπως η μοντελοποίηση απόσπασης, η βαθμολογία δυνητικού πελάτη και ο εντοπισμός ανωμαλιών έχουν δει εκθετική ανάπτυξη [στην πλατφόρμα μας]», πρόσθεσε. «Η πανδημία ήταν εξαιρετική για τις εταιρείες τεχνητής νοημοσύνης — και συγκεκριμένα για εμάς».

Τραβήξτε από πολλαπλές πηγές δεδομένων

Πέρα από τη νέα χρηματοδότηση, η Abacus ανακοίνωσε σήμερα αυτό που αποκαλεί «vision AI-as-a-service», μαζί με υποστήριξη για υβριδικά μοντέλα AI που μπορούν να παράγουν προβλέψεις από δεδομένα γλώσσας, όρασης και πινάκων. Σύμφωνα με τον Reddy, οι πελάτες μπορούν τώρα να χρησιμοποιήσουν έναν συνδυασμό συνόλων δεδομένων για να δημιουργήσουν μοντέλα που εξάγουν νοημοσύνη από όλα τα διαθέσιμα δεδομένα.

«Για παράδειγμα, μπορείτε να προβλέψετε την τιμή κλεισίματος των σπιτιών με βάση μη δομημένα δεδομένα, όπως περιγραφή καταχώρισης και φωτογραφίες σπιτιών μαζί με δομημένα δεδομένα πίνακα, όπως αριθμός υπνοδωματίων, λουτρών και άλλα, συνδυάζοντας όλα αυτά τα δεδομένα και χρησιμοποιώντας τη ροή εργασίας πρόβλεψης Abacus για να δημιουργήσετε υβριδικό μοντέλο πρόβλεψης που συνδυάζει όλους τους τύπους δεδομένων», εξήγησε ο Reddy. «Αυτός είναι ένας ισχυρός τρόπος εξαγωγής πληροφοριών από δεδομένα».

Παρά τον ανταγωνισμό από πλατφόρμες όπως το Amazon SageMaker, το Cloud AutoML της Google και νεοφυείς επιχειρήσεις όπως DataRobot και H2O.ai, η Abacus λέει ότι πάνω από 10,000 προγραμματιστές σε περισσότερους από 6,000 πελάτες, συμπεριλαμβανομένου του 1-800-Flowers, έχουν χρησιμοποιήσει τα προϊόντα της για να εκπαιδεύσουν περίπου 20,000 μοντέλα εξατομίκευσης σε πραγματικό χρόνο, πρόβλεψης χρονοσειρών και ανίχνευσης ανωμαλιών μέχρι σήμερα. Η εταιρεία με έδρα το Σαν Φρανσίσκο της Καλιφόρνια έχει επί του παρόντος 45 υπαλλήλους και σχεδιάζει να επεκταθεί σε 80 μέχρι το τέλος του έτους.

"Το Abacus έχει πολλές κάθετα ενσωματωμένες ροές εργασίας για περιπτώσεις κοινής εταιρικής χρήσης, συμπεριλαμβανομένης της επεξεργασίας φυσικής γλώσσας", συνέχισε ο Reddy. «Τα νέα χρήματα θα χρησιμοποιηθούν για τη συνέχιση της δημιουργίας περισσότερων περιπτώσεων κάθετης χρήσης, όπως η όραση υπολογιστή και για τη δημιουργία περισσότερων οριζόντιων δυνατοτήτων πλατφόρμας, όπως ενότητες λειτουργιών μηχανικής μάθησης και βαθιάς μάθησης».