Basetenas pasisavina 20 mln. USD, kad būtų lengviau kurti mašininiu mokymusi pagrįstas programas – „TechCrunch“.


Technologijų pasauliui artėjant prie dirbtinio bendro intelekto idėjos, matome dar vieną įdomią temą, iškylančią vykstant AI demokratizacijai: startuolių banga, kurianti technologijas, kad dirbtinio intelekto technologijas apskritai galėtų pasiekti platesnis vartotojų skaičius ir organizacijose.

Šiandien vienas iš šių, Baseten – kuri kuria technologijas, kad būtų lengviau integruoti mašininį mokymąsi į verslo operacijas, gamybą ir procesus, nereikalaujant specialių inžinerinių žinių, skelbia 20 milijonų dolerių finansavimą ir oficialų savo įrankių pristatymą.

Tai apima kliento API ir iš anksto parengtų modelių biblioteką, kad būtų galima įdiegti modelius, sukurtus naudojant TensorFlow, PyTorch arba scikit-learn; galimybė kurti API, kad būtų galima valdyti savo programas; ir galimybė kurti pritaikytas vartotojo sąsajas jūsų programoms, remiantis vilkimo ir nuleidimo komponentais.

Bendrovė uždaroje, privačioje beta versijoje veikia maždaug metus ir iki šiol subūrė įdomią klientų grupę, įskaitant Stanfordą ir Sidnėjaus universitetą, Cockroach Labs ir Patreon, be kita ko, kurie ją naudoja Pavyzdžiui, padėti organizacijoms automatizuotai aptikti piktnaudžiavimą (taikant turinio moderavimą) ir užkirsti kelią sukčiavimui.

20 milijonų JAV dolerių pirmą kartą viešai aptariami, kad sutaptų su komerciniu paleidimu, ir ji suskirstyta į dvi dalis, tarp tų rėmėjų yra vienodai žinomi vardai.

Sėkloms vadovavo Greylock ir South Park Commons Fund, taip pat dalyvavo AI fondas, Caffeinated Capital ir asmenys, įskaitant Gregą Brockmaną, bendrosios žvalgybos startuolio OpenAI įkūrėją ir CTO; Dylanas Fieldas, vienas iš „Figma“ įkūrėjų ir generalinis direktorius; Mustafa Suleyman, vienas iš „DeepMind“ įkūrėjų; ir DJ Patil, buvęs vyriausiasis JAV mokslininkas.

Greylockas taip pat vadovavo A serijai, kurioje dalyvavo South Park Commons, ankstyvasis Stripe vadovas Lachy Groom; Dev Ittycheria, MongoDB generalinis direktorius; Jay’us Simonas, buvęs Atlassian prezidentas, dabar dirbantis Bonde; Jean-Denis Greze, Plaid CTO; ir Cristina Cordova, kita buvusi Stripe vadovė.

Tuhinas Srivastava, „Basteten“ įkūrėjas ir generalinis direktorius, interviu sakė, kad finansavimas iš dalies bus naudojamas siekiant pritraukti daugiau techninių ir gaminių žmonių bei paspartinti rinkodaros ir verslo plėtrą.

Problema, kurią Baseten nustatė ir bando išspręsti, yra labai svarbi AI raidai: mašinų mokymosi įrankiai vis labiau paplitę ir naudojami dėl pigesnės skaičiavimo galios, geresnės prieigos prie mokymo modelių ir augančio supratimo, kaip ir kur juos galima panaudoti. Tačiau viena sritis, kurioje kūrėjai vis dar turi žengti didelį šuolį, o įmonės vis dar turi daug investuoti, yra tai, kad reikia iš tikrųjų pritaikyti ir integruoti mašininį mokymąsi: vis dar yra daug techninių žinių, kurias kūrėjai ir duomenų mokslininkai turi iš tikrųjų turėti. integruoti mašininį mokymąsi į savo darbą.

„Mes gimėme iš idėjos, kad mašininis mokymasis turės didžiulį poveikį pasauliui, tačiau vis tiek sunku išgauti vertę iš mašininio mokymosi modelių“, – sakė Srivastava. Sunku, nes kūrėjai ir duomenų mokslininkai turi turėti specifinių žinių, kaip valdyti mašininio mokymosi operacijas, taip pat techninių žinių, kad galėtų valdyti gamybą galinėje ir priekinėje dalyje, sakė jis. „Tai yra viena iš priežasčių, kodėl mašininio mokymosi programos įmonėse dažnai būna labai mažai sėkmingos: norint jas pradėti gaminti, reikia per daug pastangų.

Tai Srivastava ir jo įkūrėjai Amiras Haghighatas (CTO) ir Philipas Howesas (vyriausiasis mokslininkas) patyrė patys dirbdami kartu „Gumroad“. Haghighat, kuris buvo inžinerijos vadovas, ir Srivastava bei Howes, kurie buvo duomenų mokslininkai, mokėjimų įmonėje norėjo naudoti mašininį mokymąsi, kad padėtų aptikti sukčiavimą ir moderuoti turinį, ir suprato, kad jiems reikia pasiimti daug papildomos informacijos. kaupkite inžinerinius įgūdžius arba samdykite specialistus, kad sukurtumėte ir integruotumėte tą mašininį mokymąsi kartu su visais jam paleisti reikalingais įrankiais (pvz., pranešimais ir tų duomenų integravimu į kitus veiksmų įrankius).

Jie sukūrė sistemas, kurios vis dar naudojamos ir tikrino „šimtus milijonų dolerių sandorius“, tačiau proceso metu taip pat iškėlė idėją: kiti neabejotinai susidūrė su tomis pačiomis problemomis, tad kodėl gi ne dirbti su įrankių rinkiniu. padėti jiems visiems ir atimti dalį to darbo?

Šiandien pagrindiniai Baseten klientai yra nuoroda į pagrindo dešimt blokų, dažnai naudojami siekiant padėti jaunesniems mokiniams išmokti matematikos pagrindų („Jis humanizuoja skaičių sistemą, o mes taip pat norėjome, kad mašininis mokymasis būtų mažiau abstraktus“, – sakė generalinis direktorius) – tai kūrėjai ir duomenų mokslininkai, kurie potencialiai perima kitą mašininį mokymąsi. modelius ar net kurti savo, tačiau trūksta įgūdžių praktiškai juos įtraukti į savo gamybos srautus. Ten „Baseten“ priklauso didesnei įmonių grupei, kuri, atrodo, kuria „MLops“ sprendimus – visus įrankių rinkinius, kad mašininis mokymasis būtų prieinamesnis ir lengviau naudojamas tiems, kurie dirba devops ir produktų srityse. Tai apima Databricks, Clear, Gathr ir kt. Idėja yra suteikti techniniams žmonėms įrankius, kad jie suteiktų daugiau galios ir daugiau laiko atlikti kitas užduotis.

„Baseten pašalina įrankių kūrimo procesą, kad galėtume sutelkti dėmesį į savo pagrindinius įgūdžius: modeliavimą, matavimą ir problemų sprendimą“, – pranešime sakė Nikhilas Harithrasas, Patreon vyresnysis mašinų mokymosi inžinierius. Patreon naudoja Baseten, kad padėtų vykdyti vaizdų klasifikavimo sistemą, naudojamą ieškant turinio, kuris pažeidžia bendruomenės gaires.

Laikui bėgant, Baseten galėtų žengti logišką žingsnį, tęsdama savo demokratizacijos trajektoriją: svarstyti, kaip sukurti įrankius ir netechninei auditorijai – tai įdomi idėja, atsižvelgiant į daugybę nekoduojamų ir žemo kodo produktų, kurie yra gaminami. išleista, kad suteiktų jiems daugiau galios kurti savo duomenų mokslo programas.

„Šiandien mes nekreipiame dėmesio į netechninę auditoriją, bet tokia yra raida“, – sakė Srivastava. „Aukščiausio lygio tikslas yra paspartinti mašininio mokymosi poveikį.