La plateforme de développement de modèles d'IA Abacus.ai décroche 50 millions de dollars

Abacus.ai, une plate-forme créant des outils de développement pour développer et déployer des technologies d'IA d'entreprise, a annoncé aujourd'hui avoir levé 50 millions de dollars dans un cycle de série C dirigé par Tiger Global avec la participation de Coatue, Index Partners et Alkeon Ventures. L'augmentation apporte à l'entreprise la totalité de votre cycle de coaching doit être payée avant votre dernière session. financement à 90.3 millions de dollars à ce jour, et le PDG Bindu Reddy a déclaré qu'il serait utilisé pour développer davantage les technologies d'IA d'Abacus tout en augmentant les effectifs de l'entreprise.

Alors que le pourcentage de entreprises investir plus de 50 millions de dollars dans le Big Data et les initiatives d'IA ont atteint 64.8 % en 2020 (contre 39.7 % en 2018), les organisations de toutes tailles ont encore du mal à mettre en œuvre l'IA rapidement et avec succès. Environ 80% des projets d'IA n'atteignent jamais le déploiement, selon à Gartner, et ceux qui le font ne sont rentables qu'environ 60% du temps.

Fondée en 2019 par Arvind Sundararajan, Siddartha Naidu et Reddy, Abacus fournit un service aux organisations pour développer des modèles d'IA via des modules qui peuvent diffuser, surveiller, débiaiser, fusionner, stocker et transformer des données. Selon Reddy, les utilisateurs sans connaissances avancées en science des données et avec des budgets limités peuvent l'utiliser pour itérer des systèmes de bout en bout comparables aux flux de contenu de Twitter et TikTok et à la fonction de saisie semi-automatique de Gmail.

"Nous avons vu l'adoption rapide de notre plate-forme alors que les clients génèrent des ordres de grandeur plus de données, déplacent toutes leurs opérations vers le domaine numérique et se tournent vers des modèles d'IA pour prendre des décisions", a déclaré Reddy à VentureBeat par e-mail. "Nous verrons bientôt un point d'inflexion dans l'adoption de l'IA, car il devient de plus en plus facile de développer des modèles et de les opérationnaliser."

AutoML

Abacus englobe des éléments de « AutoML », ou le processus d'automatisation de l'application de l'apprentissage automatique à des problèmes du monde réel. AutoML couvre l'intégralité du pipeline, des ensembles de données brutes aux modèles d'apprentissage automatique déployables, et les équipes de science des données l'adoptent de plus en plus pour surmonter les obstacles dans leurs organisations. Forrester rapports que 25 % des décideurs en matière de données et d'analyses dont les entreprises adoptent l'IA ont déclaré qu'ils prévoyaient de mettre en œuvre le logiciel AutoML au cours de la prochaine année. Selon l'étude, XNUMX % ont déclaré avoir déjà mis en œuvre un logiciel AutoML ou étaient en train de le mettre en œuvre.

Abacus mène des recherches et propose des services d'IA dans le cloud pour aider les entreprises à intégrer des modèles d'apprentissage automatique dans leurs processus. Les clients choisissent un cas d'utilisation et pointent vers leurs données, après quoi le moteur d'Abacus crée un système d'IA qui peut être utilisé pour faire et partager des prédictions.

Ci-dessus : tableau de bord de gestion des modèles d'Abacus.

Crédit d'image: Abacus

Abacus affirme que son système applique les recherches de la startup sur les modèles génératifs et la recherche d'architecture neuronale pour traiter les données bruyantes ou incomplètes. Il identifie ostensiblement le meilleur réseau de neurones qui modélise l'ensemble de données propriétaire d'un client et les cas d'utilisation couvrant les opérations informatiques, le marketing et les ventes, la fraude et la sécurité, ainsi que les prévisions et la planification.

En outre, le système est bon pour configurer les pipelines, planifier le recyclage du modèle sur de nouvelles données, provisionner le modèle servant à partir de données brutes et fournir des explications sur les prédictions des modèles, explique Reddy. « Les cas d'utilisation courants de l'IA d'entreprise, tels que la modélisation du taux de désabonnement, la notation des prospects et la détection des anomalies, ont connu une croissance exponentielle [sur notre plate-forme] », a-t-elle ajouté. « La pandémie a été formidable pour les entreprises d’IA – et en particulier pour nous. »

Tirer de plusieurs sources de données

Au-delà du nouveau financement, Abacus a annoncé aujourd'hui ce qu'il appelle « la vision AI-as-a-service », ainsi que la prise en charge des modèles d'IA hybrides qui peuvent générer des prédictions à partir de données linguistiques, visuelles et tabulaires. Selon Reddy, les clients peuvent désormais utiliser une combinaison d'ensembles de données pour créer des modèles qui extraient l'intelligence de toutes les données disponibles.

« Par exemple, vous pouvez prédire le prix de clôture des maisons en fonction de données non structurées telles que la description de l'annonce et les photos de la maison, ainsi que des données tabulaires structurées comprenant le nombre de chambres, de salles de bains, etc. en combinant toutes ces données et en utilisant le flux de travail prédictif Abacus pour générer un modèle prédictif hybride qui combine tous les types de données », a expliqué Reddy. « C'est un moyen puissant d'extraire des renseignements à partir des données. »

Malgré la concurrence de plateformes comme Amazon SageMaker, Cloud AutoML de Google et de startups telles que DataRobot ainsi que H2O.ai, Abacus indique que plus de 10,000 6,000 développeurs répartis sur plus de 1 800 clients, dont 20,000-45-Flowers, ont utilisé ses produits pour former à ce jour environ 80 XNUMX modèles de personnalisation en temps réel, de prévision de séries chronologiques et de détection d'anomalies. La société basée à San Francisco, en Californie, compte actuellement XNUMX employés et prévoit de passer à XNUMX d'ici la fin de l'année.

« Abacus dispose de plusieurs workflows intégrés verticalement pour les cas d'utilisation courants en entreprise, y compris le traitement du langage naturel », a poursuivi Reddy. "Le nouvel argent va être utilisé pour continuer à développer des cas d'utilisation plus verticaux comme la vision par ordinateur et pour créer des capacités de plate-forme plus horizontales telles que l'apprentissage automatique et les modules d'opérations d'apprentissage en profondeur."