机器学习运营初创公司 Abacus.AI Inc. 在新一轮融资中筹集了 5000 万美元并推出了平台更新,其中包括对混合深度学习模型的支持和新的计算机视觉即服务产品。
C轮融资由Tiger Global、Coatue、Index Ventures和Alkeon Ventures共同领投,Abacus.AI的总融资额达到9030万美元。
Abacus.AI 之所以能够吸引这数百万人,要归功于其企业级 MLOps 平台,任何规模的公司都可以使用该平台来传输来自在线购买、社交媒体互动、“物联网”传感器等的实时数据。然后他们可以处理这些数据,对其进行转换,并使用它来创建能够实时生成上下文预测的基于深度学习的人工智能模型。
在 Abacus.AI 出现之前,只有少数拥有数十万美元可用于投资的大型企业能够构建如此复杂的模型。
所以 Abacus.AI 平台有效地将深度学习带给了大众。它支持 MLOps 学科,旨在通过促进数据科学家和开发人员之间的更多协作和沟通来将工作流投入运行。
它提供了构建复杂 AI 系统所需的所有组件,包括轻松设置数据管道、清理和转换数据的工具、模型训练和托管、监控和可解释性功能等。用户可以使用 Abacus.AI 自己的神经网络架构来训练模型,也可以使用开源框架,如 PyTorch 或 TensorFlow。
Constellation Research Inc. 分析师 Andy Thurai 告诉 SiliconANGLE,该公司有效地创建了“端到端 AI 服务”,有可能成为满足所有企业 AI 需求的一站式服务点。
这是一个强大的平台,现在变得更好。随着今天的发布,Abacus.AI 增加了对“混合模型”的支持,该模型可以从语言、视觉和表格数据的组合中生成预测。该公司表示,这是一种新技术,它依赖于神经网络架构搜索结合预先训练的图像和语言数据嵌入来提取智能。
这是一个很有前景的发展,因为现有的 AI 和机器学习工具通常只适用于结构化表格数据,这意味着照片、视频和通话记录等非结构化数据不能用于训练模型。使用 Abacus.AI 的混合模型,非结构化数据将不再浪费。相反,通过结合表格、文本和基于视觉的数据,它可以用来创建比以往任何时候都更复杂、更强大的模型。
Abacus AI 联合创始人兼首席执行官 Bindu Reddy(如图)告诉 SiliconANGLE,混合 AI 模型是合乎逻辑的下一步,因为使用现代深度学习技术使用非结构化数据来训练 AI 实际上非常容易。问题在于,传统上,大多数组织使用只能处理结构化数据的基于经典检测树的模型。
Abacus AI 创造了新的深度学习技术,能够相对轻松地从基于语言和基于图像的数据中提取信号。因此,公司现在将能够构建明显优于经典树模型的模型,她说。
“数据科学团队现在可以通过使用他们拥有的所有数据,无论是表格、文本还是视觉数据,在数小时内构建复杂的模型并提取强大的洞察力,”雷迪解释说。 “例如,您可以根据房源描述和房屋照片等非结构化数据以及卧室、浴室数量等结构化表格数据来预测房屋的收盘价。这是通过组合所有这些数据并使用 Abacus.AI 预测工作流生成组合所有数据类型的混合预测模型来完成的。这是从所有可用数据中提取情报的一种非常强大的方法。”
此外,Abacus.AI 使各种规模的公司都能轻松实施计算机视觉用例,例如图像检测、分类和分割。新的计算机视觉即服务产品增加了 Abacus.AI 对预测分析、个性化、异常、预测和语言的现有支持。雷迪说,现在用户也可以开发定制的基于深度学习的计算机视觉模型。
展望未来,Reddy 表示 Abacus.AI 将在 Vision AI 中增加对其他常见企业用例的支持,并继续投资于垂直领域的新神经网络技术,如个性化、预测、异常检测和语言混合模型。
本文来自互联网,不代表前途科技立场,如若转载,请注明出处:https://accesspath.com/tech/5692619/