1. 首頁 > 科技 > >

|可觀察性是AI成功要素之一

|可觀察性是AI成功要素之一
文章圖片
|可觀察性是AI成功要素之一

隨著越來越多的企業將人工智能集成到他們的基礎設施和業務流程中 ， 經常出現的問題之一是我們要了解系統是如何工作的 ， 以及需要做出哪些改變來提高效率和生產力 。 人工智能的可觀察性（Observability）就顯得尤為重要 。
【|可觀察性是AI成功要素之一】專注這一應用需求的服務商WhyLabs剛剛宣布完成1000萬美元的a輪投資 ， 以幫助該公司擴大和發展其新興的WhyLabs AI ObservatorySaaS平臺、員工和運營 。 AI Observatory平臺旨在幫助企業監控和了解其AI系統和應用程序中的情況 ， 包括數據健康和模型健康 。
WhyLabs首席執行官Alessya Visnjic表示：“在過去一年里 ，AI Observatory平臺已經部署在物流、金融科技、營銷、零售和醫療保健企業 。 今年10月份 ， 開放了企業平臺 ， 并將其作為自助式SaaS提供 。 自從SaaS推出以來 ， 監控的模型數量增加了兩倍 ， 還增加了24家新企業 。 ”
這個平臺能夠提供可用的工具 ， 使企業開發人員更容易監控其復雜的機器學習（ML）模型 。
隨著企業將ML和AI模型部署到生產中 ， 他們面臨著確保這些模型提供理想的客戶體驗和實現ROI的挑戰 。 可觀察性和監控能力使企業能夠從人工智能中獲益 ， 避免重大失敗 。
現在許多ML工程師和數據科學家用人工的方式來解決ML的日常操作 ， 比如用于檢測數據中斷、數據漂移或模型性能問題 。 而包括AWS和谷歌等云服務提供商以及Truera和Fiddler AI等專業公司 ， 它們為自己的產品提供特定平臺的監控功能 。 WhyLabs平臺則允許企業以一種平臺無關的方式監控數據和建模健康狀況 ， 同時關注隱私 ， 并為不斷增長的業務運營提供大規模的可擴展性 。
據該公司稱 ， 該平臺支持廣泛的用例觀察 ， 如排名、推薦和個性化、文檔理解、圖像理解、預測和欺詐檢測 。
該公司表示 ， 到目前為止 ， 它的客戶包括企業和自助服務客戶 ， 包括以人工智能為基礎的初創企業和來自金融科技、物流、制造、房地產、零售、電子商務和醫療保健等一系列市場的《財富》500強企業 。
企業可免費使用AI Observatory 。 該公司表示 ， 它可以通過Python或Java(包括Apache Spark) ML系統的插件連接到人工智能系統 。

    相關經驗推薦