Aporia מגייסת 5 מיליון דולר עבור פלטפורמת צפיות הבינה המלאכותית שלה

מודלים של למידת מכונה (ML) טובים רק כמו הנתונים שאתה מזין אותם. זה נכון במהלך האימון, אבל גם ברגע שמכניסים דגם לייצור. בעולם האמיתי, הנתונים עצמם יכולים להשתנות ככל שמתרחשים אירועים חדשים ואפילו לשינויים קטנים באופן שבו מסדי נתונים וממשקי API מדווחים ומאחסנים נתונים יכולים להיות השלכות על איך המודלים מגיבים. מכיוון שמודלים של ML פשוט יתנו לך תחזיות שגויות ולא יזרקו שגיאה, הכרחי שעסקים יפקחו על צינורות הנתונים שלהם עבור מערכות אלו.

זה המקום שבו כלים כמו אפוריה החברה התל אביבית הודיעה היום כי גייסה סבב של 5 מיליון דולר עבור פלטפורמת הניטור שלה לדגמי ML. המשקיעים הם Vertex Ventures ו-TLV Partners.

קרדיט תמונה: אפוריה

מייסד שותף ומנכ"ל Aporia, לירן חסון, לאחר חמש שנים בצבא ההגנה לישראל, עבד בעבר בצוות מדע הנתונים באדלום, חברת אבטחה נרכשה על ידי מיקרוסופט בשנת 2015. לאחר המכירה, הוא הצטרף לחברת המיזמים Vertex Ventures לפני שהקים את Aporia בסוף 2019. אבל זה היה בתקופתו באדלום שבו הוא נתקל לראשונה בבעיות שאפוריו מנסה לפתור כעת.

"הייתי אחראי על ארכיטקטורת הייצור של מודלים של למידת מכונה", אמר על תקופתו בחברה. "אז זה בעצם המקום שבו, בפעם הראשונה, יצא לי לחוות את האתגרים של הגשת דוגמניות לייצור ואת כל ההפתעות שאתה מקבל שם."

הרעיון מאחורי Aporia, הסביר Hason, הוא להקל על ארגונים ליישם מודלים של למידת מכונה ולמנף את הכוח של AI בצורה אחראית.

"AI היא טכנולוגיה סופר חזקה", אמר. "אבל בניגוד לתוכנה מסורתית, היא מסתמכת מאוד על הנתונים. מאפיין ייחודי נוסף של AI, שהוא מאוד מעניין, הוא שכאשר הוא נכשל, הוא נכשל בשקט. אתה לא מקבל חריגים, אין שגיאות. זה נהיה ממש ממש מסובך, במיוחד כשמגיעים לייצור, כי באימונים, למדעני הנתונים יש שליטה מלאה על הנתונים".

אבל כפי שציינה חסון, מערכת ייצור עשויה להיות תלויה בנתונים של ספק צד שלישי, והספק הזה עשוי יום אחד לשנות את סכימת הנתונים מבלי לספר על כך לאף אחד. בשלב זה, אי אפשר לסמוך יותר על מודל - נניח לניבוי אם לקוח של בנק עלול לא לקבל הלוואה - אבל זה עלול לקחת שבועות או חודשים עד שמישהו ישים לב.

Aporia עוקב כל הזמן אחר ההתנהגות הסטטיסטית של הנתונים הנכנסים וכאשר זה מתרחק מדי ממערכת האימונים, היא תתריע בפני המשתמשים שלה.

דבר אחד שמייחד את Aporio הוא שהיא נותנת למשתמשים שלה כלי גרפי כמעט IFTTT או דמוי Zapier להגדרת ההיגיון של המסכים הללו. הוא מגיע מוגדר מראש עם יותר מ-50 שילובים של צגים ומספק נראות מלאה כיצד הם עובדים מאחורי הקלעים. זה, בתורו, מאפשר לעסקים לכוונן את ההתנהגות של צגים אלה עבור המקרה העסקי והמודל הספציפיים שלהם.

בתחילה, הצוות חשב שהוא יכול לבנות פתרונות ניטור גנריים. אבל הצוות הבין שזו לא רק משימה מורכבת מאוד, אלא שגם מדעני הנתונים שבונים את המודלים יודעים בדיוק איך המודלים האלה צריכים לעבוד ומה הם צריכים מפתרון ניטור.

"ניטור עומסי ייצור הוא פרקטיקה מבוססת היטב של הנדסת תוכנה, והגיע הזמן למעקב אחר למידת מכונה באותה רמה", אמרה רונה שגב, שותף מייסד ב-  TLV שותפים. "אפוריה's לצוות יש ניסיון הנדסי-ייצור חזק, מה שגורם לפתרון שלהם להתבלט כפשוט, מאובטח וחזק."

מקור: https://techcrunch.com/2021/04/06/aporia-raises-5m-for-its-ai-observability-platform/