Union AI 19.1 میلیون دلار سری A جمع آوری می کند تا گردش کار هوش مصنوعی و داده را با Flyte ساده کند.

Union AI، یک استارت‌آپ منبع باز مستقر در Bellevue در واشنگتن که به کسب‌وکارها کمک می‌کند تا با کمک یک پلت فرم اتوماسیون بومی ابری، گردش‌های کاری هوش مصنوعی و داده‌های خود را بسازند و هماهنگ کنند، امروز اعلام کرد که مبلغ 19.1 میلیون دلاری سری A را از NEA و Nava جمع‌آوری کرده است. سرمایه گذاری. این شرکت همچنین در دسترس بودن خدمات کاملاً مدیریت شده Union Cloud خود را اعلام کرد.

هسته اصلی Union Flyte است، یک ابزار منبع باز برای ساخت پلتفرم های اتوماسیون گردش کار در سطح تولید با تمرکز بر داده ها، یادگیری ماشین و پشته های تجزیه و تحلیل. ایده پشت این پلتفرم ساخت یک پلتفرم واحد بود که تیم‌ها می‌توانند از آن برای ایجاد خطوط لوله ETL و گردش کار تجزیه و تحلیل و همچنین خطوط لوله یادگیری ماشین خود استفاده کنند. و در حالی که پروژه های دیگری در بازار وجود دارد که قابلیت های ارکستراسیون مشابهی را ارائه می دهند، ایده در اینجا ساخت ابزاری است که به طور خاص برای نیازهای تیم های یادگیری ماشین ساخته شده است.

Flyte در ابتدا در داخل Lyft توسعه یافت، جایی که مدیر عامل و یکی از بنیانگذاران Union AI Ketan Umare برخی از اولین مدل‌های ETA و ترافیک مبتنی بر یادگیری ماشین شرکت را در سال 2016 توسعه داد. در آن زمان، Lyft مجبور بود برای قرار دادن سیستم‌های منبع باز مختلف به هم بچسباند. این مدل ها به تولید می رسند

«ما چیزی در حال اجرا بودیم، اما در پشت صحنه، مردی پشت پرده بود. این اتفاق می افتاد، اما کار زیادی بود. «آنچه که ما آموختیم این بود که سایر تیم‌های شرکت نیز در حال مبارزه بودند – و این تیم‌های بزرگی بودند. و وقتی تیم ها با مشکل مواجه می شوند این است که نمی توانند استعداد را حفظ کنند. این یک مشکل بزرگ است، اما ریشه آن چه بود؟ آنها قادر به تحویل وسایل خود نبودند و نمی توانستند توضیح دهند که چرا قادر به تحویل نیستند. به نظر می رسد که این یک مشکل زیرساختی است.»

اعتبار تصویر: Union.ai

بنابراین او با یک تیم کوچک شروع به ساخت ابزارهای زیرساختی کرد تا ساخت مدل‌های خود و تولید آنها را برای این تیم‌ها آسان‌تر کند. اما همیشه بین مهندسان نرم افزار و متخصصان یادگیری ماشین اصطکاک وجود داشت. Umare استدلال کرد: «دلیل آن این بود که – حداقل به روشی که من آن را تقطیر کرده‌ام – فکر می‌کنم نرم‌افزار و سیستم‌های یادگیری ماشین یا محصولات هوش مصنوعی ذاتا جانورانی متفاوت هستند. به نظر او، نرم افزار معمولاً با گذشت زمان بالغ می شود در حالی که مدل های هوش مصنوعی تمایل به زوال دارند. او خاطرنشان کرد که این مدل ها نیز اغلب بر اساس عوامل خارجی تغییر می کنند که کاربران کنترل کمی روی آنها دارند. بنابراین شما نمی توانید از همان زیرساختی که برای آن استفاده می کنید استفاده کنید [software deployments]،” او گفت.

در آن مرحله، تیم تصمیم گرفت کار خود را به صورت Flyte منبع باز کند و با دیگران برای ایجاد یک پلت فرم بومی یادگیری ماشینی کار کند.

همانطور که اغلب اتفاق می افتد، Umare و چهار عضو دیگر از تیم اصلی Flyte سپس تصمیم گرفتند که یک استارتاپ را حول این ایده های اصلی و پروژه متن باز Flyte ایجاد کنند، و Union AI در اواخر سال 2020 راه اندازی شد.

در حال حاضر، Flyte توسط شرکت هایی مانند blackshark.ai، HBO، Intel، LinkedIn، Spotify، Stripe، Wolt و ZipRecruiter استفاده می شود.

نکته جالب در مورد کار با این شرکت‌های بزرگ – کاری که ما در منبع باز انجام می‌دهیم – این است که روی برخی از بزرگترین مدل‌های پلتفرم خود کار می‌کنیم. بنابراین می دانیم که کار می کند و نیازی به ساخت هیچ چیز خاصی نداشتیم زیرا سال هاست که این کار را انجام می دهیم. ما فقط باید چند چیز را تمدید می‌کردیم.» عمره گفت.

Mick Jermsurawong، مهندس زیرساخت یادگیری ماشین در Stripe گفت: «بر اساس یک تیم واحد، ما شاهد 10 برابر بیشتر مشاغل آموزشی آفلاین هستیم که از Flyte ارسال می‌شود و این منجر به انتشار مدل‌های مکرر 5 برابر با دستاوردهای تجاری قابل توجه می‌شود. “من فکر می کنم درک اینجاست که بهره وری ML خوب نیست بلکه در واقع یک نیاز تجاری است.”

اما پلتفرم Union AI به سادگی Flyte-as-a-service را نمی سازد. این تیم همچنین Pandera (چارچوبی برای آزمایش داده ها) و Union ML (چارچوبی که در بالای Flyte قرار می گیرد و به تیم ها کمک می کند تا مدل های خود را با استفاده از مجموعه ابزارهای موجود خود بسازند و به کار گیرند) ساخته اند. Union Cloud همه این عناصر را ترکیب می کند و مجموعه ای از ابزارهای سازمانی مانند یک ورود به سیستم را در بالای آن قرار می دهد.

«یادگیری ماشین، و به خصوص مدل های زبان بزرگ، مسائل بزرگی را در مورد حریم خصوصی و امنیت اطلاعات ایجاد می کند. گرگ پاپادوپولوس، شریک سرمایه گذاری، NEA، گفت: شرکت ها به طور فزاینده ای نسبت به استفاده از خدماتی که کنترل خود را بر آنچه دقیقاً با داده های آنها اتفاق می افتد از دست می دهند، محتاط می شوند. ترکیب قدرت مدل‌های بزرگ با داده‌های غنی شرکت‌ها باید با احتیاط انجام شود – این یکی از دلایلی است که ما از پیشرفت تیم Union.AI، ابتدا با Flyte و اکنون با Union Cloud بسیار هیجان‌زده هستیم. این دقیقاً همان چیزی است که مردم خواستار آن هستند و یک تمایز واقعی است: اجازه دهید از قدرت مدل‌های زبانی بزرگ در عین حفظ کنترل و مالکیت داده‌هایم استفاده کنم.