WhyLabs为ML操作带来更多透明度

该团队今天还宣布，它已经从Madrona Venture Group、Bezos Expeditions、Defy Partners和Ascend VC筹集了400万美元的种子资金。

该公司执行长Visnjic曾致力于亚马逊的需求预测模型。

她告诉我：“团队都是研究科学家，而我是唯一一位有某种一级操作经验的工程师。”所以它就像是，“好吧，能有多糟糕呢？”我随身携带了零售网站的寻呼机，以免它变得糟糕。但这是我们在亚马逊进行的首批大规模人工智能部署之一。寻呼机的任务特别有趣，因为没有真正的工具。因此，当事情出错时--比如我们突然订购了太多黑色袜子--要弄清楚为什么会发生这种情况，需要花费大量的人力。“。

但是，尽管像亚马逊这样的大公司已经建立了自己的内部工具来帮助他们的数据科学家和人工智能从业者操作他们的人工智能系统，但大多数企业继续在这方面苦苦挣扎-许多人工智能项目干脆失败了，从未投入生产。Visnjic说：“我们认为发生这种情况的一大原因是因为操作过程仍然是超级手工的。”“因此，在WhyLabs，我们正在构建工具来解决这一问题-特别是监控和跟踪数据质量和警报-你可以将其视为人工智能应用程序的数据日志(Datadog)。”

这个团队带来了雄心壮志，但为了开始，它把重点放在了可观察性上。该团队正在构建-并开源-一个新的工具，使用一个低开销的代理来持续记录人工智能系统中正在发生的事情。这个与平台无关的系统被称为WhyLogs，旨在帮助从业者理解通过AI/ML管道移动的数据。

Visnjic指出，对于许多企业来说，通过这些系统流动的数据量是如此之大，以至于他们没有理由保留“大量的大海捞针，其中可能有一些针，以备将来进行一些调查。”所以他们要做的就是抛弃所有这些。通过其数据记录解决方案，WhyLabs旨在为这些公司提供工具，以便在管道开始时调查他们的数据并发现问题。

根据Karaivanova的说法，该公司还没有付费客户，但它正在研究一些概念的证明。Zully就是这些用户中的一员，它也是该公司的设计合作伙伴。该公司目前正在追逐中型企业，但正如Karaivanova所指出的，要想击中公司的最佳位置，客户需要拥有一支由10到15名ML从业人员组成的成熟的数据科学团队。卡拉万诺娃说，虽然该团队仍在研究其定价模式，但它很可能是一种基于数量的方法。

我们喜欢投资于伟大的创始团队，他们在尖端公司内部建立了大规模的解决方案，然后他们可以在正确的时间将产品推向更广泛的市场。WhyLabs团队是为从业者打造的从业者。他们对人工智能建设者在亚马逊工作期间面临的挑战有深入的第一手了解，并将这些经验和洞察力运用到为客户工作上，“Madrona董事总经理蒂姆·波特(Tim Porter)表示。我们非常高兴能投资于WhyLabs，并与他们合作，为这一爆炸性的MLOP类别带来跨平台模型的可靠性和可观察性。“