أعلنت شركة التعلم الآلي كولينا عن إغلاق جولة تمويل من الفئة ب بقيمة 15 مليون دولار بقيادة شركة رأس المال المخاطر Lobby Capital، بمشاركة SignalFire وBloomberg Beta. ترفع هذه الجولة إجمالي تمويل كولينا إلى 21 مليون دولار. سيتم استخدام الأموال لتطوير فريق البحث والتطوير والأعمال التجارية.
كولينا هي منصة لاختبار التعلم الآلي تتيح لفرق التعلم الآلي اختبار سلوك نماذجهم بدقة. باستخدام كولينا، تستطيع الفرق تحديد وتتبع أنماط الفشل لمساعدة المهندسين والتجار والعملاء على فهم أداء النموذج بشكل أفضل وتحديد الفجوات. تأسست كولينا في عام 2021 ومقرها في سان فرانسيسكو، كاليفورنيا.
قدرات اختبار كولينا الرائعة
تأسست كولينا في عام 2021 على يد محمد الجندي وآخرين بهدف بناء إطار لجودة النموذج يوفر اختبارات الوحدة والاختبارات الشاملة لنماذج الذكاء الاصطناعي. تحدد منصة كولينا فجوات التغطية في بيانات اختبار النماذج وتتضمن أيضًا قدرات إدارة المخاطر لتتبع المخاطر المحتملة المرتبطة بنشر أنظمة الذكاء الاصطناعي.
تتيح كولينا للمستخدمين تخصيص حالات الاختبار، وتقييم أداء النموذج، ومقارنتها بنماذج أخرى لاكتشاف سبب ضعف أداء النموذج. بدلاً من مجرد فحص مقاييس الدقة، يمكن لكولينا اختبار سيناريوهات محددة لمعالجة منتجات الذكاء الاصطناعي، مما يوفر تحققًا أكثر شمولاً للنموذج.
وفقًا لاستطلاع، يخصص مهندسو الذكاء الاصطناعي 20% فقط من وقتهم للتحليل وتطوير النماذج، بينما يخصص باقي الوقت لجمع البيانات وتنظيفها لتدريب النماذج. وكشف تقرير آخر أنه بسبب صعوبة تطوير نماذج دقيقة وعالية الأداء، فإن حوالي 54% فقط من النماذج تنتقل في النهاية من المرحلة التجريبية إلى الإنتاج.
ولكن هناك جهات فاعلة أخرى تبني أدوات لاختبار النماذج ومراقبتها والتحقق منها. بالإضافة إلى اللاعبين الراسخين مثل Amazon وGoogle وMicrosoft، يقوم عدد كبير من الشركات الناشئة بتجربة طرق جديدة لقياس دقة النماذج قبل وبعد وضعها في الإنتاج.
خصوصية العملاء أولوية
وفقًا لمؤسس كولينا المشارك، تقوم المنصة بتخزين نتائج اختبار النماذج فقط، ولا يتم تحميل بيانات النماذج ونماذج العملاء، مما يساعد على حماية الخصوصية. ترغب كولينا في أن تكون واحدة من المنصات القليلة التي تمنح العملاء سيطرة كاملة على عناصر اختبار النماذج. مع استمرار نمو تطبيقات الذكاء الاصطناعي في المؤسسات، تزداد الحاجة إلى اختبار أداء النماذج والتحقق منه. من خلال إطار جودة النماذج الفريد، تهدف كولينا إلى توفير حلول تقييم شاملة للنماذج لفرق الذكاء الاصطناعي. وبالتالي، فإنها تقلل من خطر فشل أنظمة الذكاء الاصطناعي أو المخرجات الخاطئة وتحسن الجودة الشاملة لتطبيقات الذكاء الاصطناعي في المؤسسات.