Hive的云托管机器学习模型吸引了85万美元

虽然云计算继续受到青睐，但只有少数公司接受了基于云的机器学习。 蜂房 希望通过允许企业通过 API 访问托管机器学习模型来改变这一点。

Hive 在内容审核领域取得了特别的成功，这要归功于其深度学习模型可以帮助公司解释非结构化数据，如图像、视频和音频。 但它也在扩展到广告和赞助测量等领域，因为它试图找到可以从智能自动化中受益的其他领域。

在接受 VentureBeat 采访时，Hive 首席执行官 Kevin Guo 表示，该公司在试图证明其模型有效时保持相对安静。 但它的增长已经开始加速，公司正准备发出更多声音。

“现在我们有足够的跟踪点，我们有 100 多个客户，我们非常有信心我们在市场上的产品确实有效，”郭说。 “现在我们准备扩大规模。”

投资者也对他们所看到的感到兴奋。 今天，Hive 宣布它已经通过两轮融资筹集了 85 万美元，融资总额达到 121 亿美元，估值达到 2 亿美元。 Glynn Capital 领投了一轮 50 万美元的融资，此前该公司还未披露过一轮 35 万美元的融资。

意想不到的旅程

郭说，2014 年公司成立时，他和联合创始人德米特里·卡普曼 (Dmitriy Karpman) 在斯坦福大学学习计算机视觉。 他们最初开始构建使用 AI 来改进内容推荐等内容的消费者应用程序。

但在此过程中，他们遇到了有关内容审核的问题，并且找不到解决这些问题的模型。 当他们开始构建解决方案时，其他公司听说了它并询问他们是否可以尝试。 到 2017 年底，公司已经以企业为中心，现在的 Hive 诞生了。

即便如此，郭说创始人采取了缓慢而稳定的方法。 他们继续将该服务部署给合作伙伴，这些合作伙伴现在正在使用它来监控用户共享的每一条内容。 如果 Hive 发现问题，可以立即关闭视频流等内容。 郭说，与市场上的一些替代品相比，Hive 的误报更少，这降低了阻止非违规内容的风险。

“如果你的模型不准确并且你错误地禁止了 30% 的用户内容，那将是一个真正的问题，”郭说。

人类与机器

Guo 表示，Hive 的准确性的关键是在开发模型时将大量数据输入模型。 为此，Hive 构建了一个 数据标签的分布式劳动力.

“他们现在已经输入了数十亿的人类判断，”郭说。 “这就是使该模型运作良好的原因。 在这一点上，我们的客户基本上认为我们的模型几乎达到甚至高于人类的准确性，这就是为什么他们可以 100% 信任 [他们] 并在生产中实时使用 [他们]。”

Hive 声称其模型已经过 1 亿条人工标记数据的训练，这是最大的此类公共数据集。 这让 Hive 可以筛选 40 类内容类别，例如色情内容、暴力和仇恨言论。

这项工作使公司陷入了关于监督与半监督和 无监督学习. 郭说正确的答案实际上取决于公司服务的性质。 但对于 Hive 来说，人为因素是必不可少的。

“说实话，没有什么比得上人类了，”他说。 “人类非常擅长生成标签数据、寻找模式和解决难题。 这就是模型的基本事实数据。 我们一直认为人类培训是必要的。 我们的方法通常是坚持使用人类来训练我们的模型的 [the] 久经考验的真实路径，首先也是最重要的。”

以 API 形式提供服务的能力意味着客户只需将几行代码放入他们的服务中即可启动和运行，Guo 说。 这种易用性有助于采用。

据郭称，该公司在过去一年中实现了 300% 的收入增长。 客户包括 NBCUniversal、Interpublic Group、Reddit、沃尔玛、Visa、Anheuser-Busch InBev、Comscore 和 Cognizant。

未来计划

Hive 打算利用这笔资金继续开发公司基于云的深度学习模型。 它还计划投资建设其销售和营销团队。

“到目前为止，我们确实一直在以更保守的心态运作，”郭说。 “在我们知道我们的产品 [有效] 之前，我们不想过度投资于销售和营销。 花了一段时间。 证明这些模型需要时间。”

来源：https://venturebeat.com/2021/04/21/hives-cloud-hosted-machine-learning-models-draw-85m/