تجمع LatticeFlow مبلغ 12 مليون دولار للقضاء على النقاط العمياء في رؤية الكمبيوتر

لاتيسفلو، وهي شركة ناشئة انبثقت عن معهد ETH في زيورخ في عام 2020 ، تساعد فرق التعلم الآلي على تحسين نماذج رؤية الذكاء الاصطناعي الخاصة بهم عن طريق التشخيص التلقائي للمشكلات وتحسين البيانات والنماذج نفسها. أعلنت الشركة اليوم أنها جمعت 12 مليون دولار من جولة التمويل من السلسلة A بقيادة Atlantic Bridge و OpenOcean ، بمشاركة FPV Ventures. كما شارك في هذه الجولة المستثمرون الحاليون btov Partners و Global Founders Capital ، الذين قادوا جولة الشركة التأسيسية بقيمة 2.8 مليون دولار العام الماضي.

كما أخبرني المؤسس المشارك والرئيس التنفيذي لشركة LatticeFlow بيتار تسانكوف ، فإن الشركة لديها حاليًا أكثر من 10 عملاء في كل من أوروبا والولايات المتحدة ، بما في ذلك عدد من الشركات الكبيرة مثل سيمنز ومنظمات مثل Swiss Federal Railways ، وتقوم حاليًا بتشغيل طيارين مع عدد كبير من العملاء. أكثر بقليل. إن طلب العميل هذا هو الذي أدى إلى زيادة LatticeFlow في هذه المرحلة.

أوضح تسانكوف: “كنت في الولايات المتحدة والتقيت ببعض المستثمرين في بالو ألتو. “لقد رأوا عنق الزجاجة الذي نواجهه مع العملاء على متن الطائرة. كان لدينا حرفيًا مهندسو التعلم الآلي لدعم العملاء وهذه ليست الطريقة التي يجب أن تدير بها الشركة. وقالوا: “حسنًا ، خذ 12 مليون دولار ، أدخل هؤلاء الأشخاص وتوسع.” كان هذا توقيتًا رائعًا بالتأكيد لأننا عندما تحدثنا إلى مستثمرين آخرين ، رأينا أن السوق قد تغير “.

كما أشار Tsankov وشريكه المؤسس CTO Pavol Bielik ، فإن معظم الشركات تواجه اليوم صعوبة في إدخال نماذجها في الإنتاج ، وبعد ذلك ، عندما تفعل ذلك ، غالبًا ما تدرك أنها لا تعمل كما توقعت. وعد LatticeFlow هو أنه يمكنه التشخيص التلقائي للبيانات والنماذج للعثور على النقاط العمياء المحتملة. في عملها مع شركة طبية كبرى ، سرعان ما وجدت أدواتها لتحليل مجموعات البيانات والنماذج الخاصة بها أكثر من نصف دزينة من النقاط العمياء الحرجة في نماذج الإنتاج الحديثة الخاصة بها ، على سبيل المثال.

لاحظ الفريق أنه لا يكفي مجرد إلقاء نظرة على بيانات التدريب والتأكد من وجود مجموعة متنوعة من الصور – في حالة نماذج الرؤية التي يتخصص فيها LatticeFlow – ولكن أيضًا فحص النماذج.

“إذا أنت فقط نظرة في ال بيانات – وهذا هو أ أساسي التفاضل إلى عن على إلالعلية فلوث لان نحن لا فقط أعثر على اساسي بيانات مسائل مثل وضع العلامات مسائل أو فقير-جودة عينات لكن ايضا نموذج أعمى بقع، أيّ نكون ال سيناريوهات أين ال عارضات ازياء نكون وأوضح تسانكوف. “ذات مرة ال نموذج هو جاهز، نحن يستطيع يأخذ هو – هي، Fالهند مختلف بيانات نموذج مسائل و يساعد شركات يصلح هو – هي.”

وأشار ، على سبيل المثال ، إلى أن النماذج غالبًا ما تجد ارتباطات خفية قد تربك النموذج وتشوه النتائج. عند العمل مع أحد عملاء التأمين ، على سبيل المثال ، الذي استخدم نموذج ML للكشف تلقائيًا عن الخدوش والخدوش والأضرار الأخرى في صور السيارات ، غالبًا ما يقوم النموذج بتسمية الصورة بإصبع بداخلها كخدش. لماذا ا؟ لأنه في مجموعة التدريب ، غالبًا ما يلتقط العملاء صورة عن قرب بخدش ويشيرون إليها بإصبعهم. ليس من المستغرب أن يربط النموذج بعد ذلك “الإصبع” بـ “الخدش” ، حتى في حالة عدم وجود خدش في السيارة. يجادل فريق LatticeFlow بأن هذه مشكلات تتجاوز إنشاء تسميات أفضل وتحتاج إلى خدمة يمكنها النظر إلى كل من النموذج وبيانات التدريب.

تجدر الإشارة إلى أن LatticeFlow نفسها ليست في مجال التدريب. تعمل الخدمة مع نماذج مدربة مسبقًا. في الوقت الحالي ، تركز أيضًا على تقديم خدمتها كأداة داخل الشركة ، على الرغم من أنها قد تقدم خدمة مُدارة بالكامل في المستقبل أيضًا ، حيث تستخدم التمويل الجديد للتوظيف بقوة ، وذلك لتقديم خدمة أفضل لعملائها الحاليين وللحصول على بناء محفظة منتجاتها.

قال سونير كابور ، الشريك التشغيلي في أتلانتيك بريدج: “الحقيقة المؤلمة هي أن معظم عمليات نشر نماذج الذكاء الاصطناعي واسعة النطاق اليوم لا تعمل ببساطة بشكل موثوق في العالم الحقيقي”. “هذا يرجع إلى حد كبير إلى عدم وجود الأدوات التي تساعد كفاءات المهندسين على حل بيانات الذكاء الاصطناعي وأخطاء النماذج الحرجة. ولكن هذا هو السبب أيضًا في توصل فريق Atlantic Bridge بشكل لا لبس فيه إلى قرار الاستثمار في LatticeFlow. نعتقد أن الشركة مهيأة لتحقيق نمو هائل ، حيث إنها حاليًا الشركة الوحيدة التي تشخص تلقائيًا وتصلح بيانات الذكاء الاصطناعي وعيوب النماذج على نطاق واسع “.