ETH衍生出来的LatticeFlow筹集了280万美元以帮助构建可信赖的AI系统

LatticeFlow背后的总体思路是构建工具，以帮助AI团队构建和部署安全，可靠和可信赖的AI模型。该团队认为，今天的问题是模型非常擅长找到正确的统计模式以达到给定的基准。但是，由于这些模型针对实验室环境中的准确性进行了优化，而不是针对现实环境中的鲁棒性进行了优化，因此使它们变得不灵活。

“评估机器学习模型的最常用范例之一就是聚合指标，例如准确性。而且，当然，这是对模型实际质量的超级粗略表述。”该公司CTO Pavol Bielik解释说。 “我们要做的是，我们提供系统的方法来监视模型，评估它们在不同相关数据片中的可靠性，然后提供改进这些模型的工具。”

但是，构建这类更灵活但仍可提供可靠结果的模型将需要一个新的工具库，以及在这些领域具有深厚专业知识的合适团队。显然，这是一支具有适当背景的创始团队。除了CTO Bielik之外，创建团队还包括该公司的首席执行官兼前苏黎世联邦理工学院的高级研究员和讲师Petar Tsankov，以及负责ETH安全，可靠和智能系统实验室的ETH教授Martin Vechev，以及Andreas Krause领导ETH的学习与学习自适应系统实验室。 Tsankov的最后一家初创公司DeepCode在2020年被网络安全公司Snyk收购。

值得一提的是，曾与人共同创立了ETH衍生品ChainSecurity的Vechev和他在ETH的团队先前开发了ERAN（一种具有数百万个参数的大型深度学习模型的验证器），去年赢得了首个认证深度神经网络的竞赛网络。虽然团队在赢得比赛之前已经在考虑创建公司，但Vechev指出，这使团队确认了自己在正确的道路上前进。

“我们想解决主要的AI问题，这使AI变得可用。这是最重要的目标。”韦切夫告诉我。 “ […]我认为您不能仅凭认证工作就能真正找到公司。我认为公司，我的团队，Andreas [Krause]的团队中人们所拥有的各种技能，它们彼此互补，并且覆盖着巨大的空间，我认为这是非常非常独特的。我不知道其他公司在这些紧要点涵盖了这种技能范围，并且之前也做过开创性的工作。”

LatticeWorks已经有一组试用客户正在试用其工具。其中包括使用瑞士铁路公司（SBB）构建自动铁路检查工具的设备，德国联邦网络安全局和美国陆军。该团队还与其他大型企业合作，这些大型企业正在使用其工具来改进其计算机视觉模型。

“机器学习（ML）是SBB的核心主题之一，因为我们看到其在改进，智能和自动化铁路基础设施监控方面的巨大潜力，” Ilir Fetai博士和Andre Roger表示， SBB的AI团队。 “具有LatticeFlow，ETH和西门子的强大而可靠的AI项目对于使我们能够充分利用ML的优势起着至关重要的作用。”

目前，LatticeFlow仍处于早期使用状态。 该团队计划利用这笔资金来加速其产品开发并吸引新客户。 该团队还计划在不久的将来在美国建立分支机构。