Distributional获1900万美元融资以自动化AI模型和应用测试

分布式的一家由英特尔前AI软件总经理斯科特·克拉克创立的人工智能测试平台完成了由Two Sigma Ventures领投的1900万美元的A轮融资。

克拉克表示，Distributional 是受他在英特尔应用人工智能时遇到的AI测试问题的启发而创建的，并且在此之前，他曾作为软件负责人在 Yelp 公司的广告定位部门工作。

“随着人工智能应用价值的持续增长，运营风险也在增加，”他告诉TechCrunch。“人工智能产品团队使用我们的平台主动且持续地检测、理解和解决AI风险，以防止其在实际运行中引入风险。”

克拉克是通过一次收购加入英特尔公司的。

2020年，英特尔收购了SigOpt克拉克共同创立的一个模型实验和管理平台。克拉克留了下来，2022年他被任命为英特尔人工智能和超级计算软件部门的副总裁兼总经理。

在英特尔，克拉克表示他和他的团队经常因人工智能监控和可观测性问题而受限。

AI是不确定的，克拉克指出——这意味着给定相同的数据，它会产生不同的输出。再加上AI模型有许多依赖关系（如软件基础设施和训练数据），在AI系统中找到错误就像大海捞针一样困难。

根据RAND公司2024年的报告调查问卷，超过80%的人工智能项目失败。生成式人工智能尤其给公司带来了挑战，有迹象表明Gartner研究预测到2026年，将有三分之一的部署被放弃。

“这需要对许多数据属性的分布编写统计测试，”克拉克说。“AI需要在整个生命周期中持续且自适应地进行测试，以发现行为变化。”

克拉克创建了Distributional，试图在一定程度上抽象出这项AI审计工作，借鉴了他和SigOpt团队在其企业客户合作期间开发的技术。Distributional可以根据开发者的要求自动为AI模型和应用程序创建统计测试，并将这些测试的结果组织在一个仪表板中。

从该控制台，Distributional 用户可以共同协作处理测试“仓库”，甄别失败的测试，并在必要时重新校准测试。整个环境可以在本地部署（尽管 Distributional 也提供托管计划），并与流行的告警和数据库工具集成。

“我们为组织提供透明度，展示AI应用程序的测试内容、时间和方式，并说明这些方面随时间的变化情况，”Clark说，“同时，我们通过使用可共享的模板、配置、过滤器和标签，为类似应用程序提供了重复性的AI测试流程。”

人工智能确实是一头难以驾驭的野兽。即使是顶尖的人工智能实验室也面临着挑战。薄弱的风险管理像Distributional这样的平台可以减轻测试负担，甚至可能帮助公司实现投资回报率。

至少，这就是克拉克的说法。

“无论是不稳定、不准确，还是其他几十种潜在的挑战，识别AI风险都很困难，”他说。“如果团队无法正确进行AI测试，他们可能会让AI应用程序永远无法进入生产阶段。或者，即使这些应用进入了生产阶段，它们也可能以意想不到且可能有害的方式运行，并且这些问题将无从察觉。”

分布式的技术并不是第一个进入市场，用于探测和分析AI的可靠性的技术。科莱娜, 多产的, Giskard，和守护神咒这些是众多的人工智能实验解决方案之一。科技巨头如谷歌云、亚马逊网络服务和微软Azure也提供了模型评估工具。

客户为什么会选择Distributional？

克拉克认为，Distributional——这家即将商业化其产品套件的公司——提供了一种比许多其他公司更“高端”的体验。Distributional负责为客户处理安装、实施和集成，并提供人工智能测试故障排除服务（收费）。

“监控工具往往关注高层次的指标和特定的异常实例，这提供了一种有限的一致性感觉，但缺乏对更广泛应用行为的理解，”克拉克说。“Distributional测试的目标是使团队能够为任何AI应用程序定义期望的行为，确认该应用程序在生产和开发过程中仍按预期运行，检测当这种行为发生变化时的情况，并确定需要演变或修复的内容以再次达到稳定状态。”

凭借其A轮融资的新资金，Distributional计划扩大其技术团队，重点是UI和AI研究工程方面。Clark表示，随着Distributional开始其首次企业部署，他预计公司的员工人数将在年底前增至35人。

“自从我们成立至今仅一年的时间里，我们就已经获得了大量的资金支持，并且即使团队在不断壮大，我们也能够在未来的几年内把握住这个巨大的机会，”克拉克补充道。

安德森霍洛维茨、Operator Collective、俄勒冈风险投资基金、Essence VC 和 Alumni Ventures 也参与了 Distributional 的 A 轮融资。迄今为止，这家总部位于旧金山的初创公司已筹集了 3000 万美元。