Distributional是一家由英特尔前AI软件总经理Scott Clark创立的AI测试平台，已关闭由Two Sigma Ventures领投的1900万美元A轮融资。
克拉克表示，Distributional的灵感来源于他在英特尔应用人工智能时遇到的测试问题，以及此前在Yelp担任广告定向部门软件主管期间的工作经历。
“随着人工智能应用价值的不断增长，运营风险也在增加，”他告诉TechCrunch。“人工智能产品团队使用我们的平台，主动且持续地检测、理解和解决人工智能风险，防止其在生产环境中引发问题。”
克拉克是通过一次收购加入英特尔的。2020年，英特尔收购了由克拉克联合创办的模型实验与管理平台SigOpt；克拉克留任，并于2022年被任命为英特尔人工智能与超算软件集团的副总裁兼总经理。
在英特尔，克拉克表示，他和他的团队经常受到人工智能监控和可观测性问题的制约。他指出，人工智能是非确定性的——这意味着给定相同的数据，它会生成不同的输出。再加上人工智能模型有许多依赖项（如软件基础设施和训练数据），在人工智能系统中定位bug可能就像大海捞针一样困难。
根据兰德公司2024年的调查，超过80%的人工智能项目以失败告终；生成式人工智能对企业而言尤其具有挑战性，Gartner研究预测到2026年将有三成的部署被放弃。
“这需要为许多数据属性的分布编写统计测试，”克拉克说。“人工智能需要在整个生命周期中持续且自适应地进行测试，以捕捉行为变化。”
克拉克创立了Distributional，试图在一定程度上抽象出这种人工智能审计工作，借鉴了他和SigOpt团队在与企业客户合作过程中开发的技术。Distributional可以根据开发者的规格要求，自动为人工智能模型和应用创建统计测试，并在仪表板中组织这些测试结果。
通过该仪表板，Distributional用户可以共同处理测试“存储库”，分类失败的测试，并在必要时重新校准测试。整个环境可以部署在本地（尽管Distributional也提供托管计划），并且可以与流行的警报和数据库工具集成。
“我们为整个组织提供了对人工智能应用的测试内容、时间、方式以及随时间变化的可见性，”克拉克说，“并通过使用可共享的模板、配置、过滤器和标签，为类似应用提供可重复的人工智能测试流程。”
人工智能确实是一头难以驾驭的巨兽，即便是顶尖的人工智能实验室也存在风险管理薄弱的问题；像Distributional这样的平台或许能减轻测试负担，并帮助企业实现投资回报。至少，这是克拉克的推销说辞。
“无论是稳定性、准确性还是其他数十种潜在挑战，识别人工智能风险都可能很困难，”他说。“如果团队未能做好人工智能测试，他们可能会面临人工智能应用无法投入生产的风险。或者，即使投入生产，他们也可能会面临这些应用以不可预见且可能有害的方式运行的风险，而对这些问题缺乏可见性。”
Distributional并非首家推出用于探测和分析人工智能可靠性的技术；Kolena、Prolific、Giskard和Patronus等是众多现成的人工智能实验解决方案中的代表，谷歌云、AWS和Azure等科技巨头也提供模型评估工具。
那么，客户为什么会选择Distributional？
嗯，克拉克声称，Distributional正处于将其产品套件商业化的边缘，相比许多竞争对手，它提供更“白手套”式的服务体验。Distributional为客户负责安装、实施和集成，并提供人工智能测试故障排除服务（需付费）。
“监控工具通常侧重于更高层级的指标和具体的异常实例，这只能提供有限的连贯性感知，但无法洞察更广泛的应用程序行为。”Clark表示。“Distributional测试的目标是使团队能够为任何AI应用定义期望的行为，确认其在生产和开发过程中仍按预期运行，检测行为何时发生变化，并找出需要改进或修复的内容，以再次达到稳定状态。”
凭借A轮融资获得的新资金，Distributional计划扩大其技术团队，重点加强用户界面（UI）和AI研究工程方面。Clark表示，随着Distributional启动首批企业级部署，他预计公司年底员工人数将增至35人。
Clark补充道：“自成立以来的短短一年内，我们已获得了大量资金支持；即使团队不断壮大，我们也处于有利位置，能够在未来几年抓住这一巨大机遇。”
Andreessen Horowitz、Operator Collective、Oregon Venture Fund、Essence VC以及Alumni Ventures也参与了Distributional的A轮融资。截至目前，这家总部位于加利福尼亚州伯克利的初创公司已累计融资3000万美元。