当人工智能运行良好时，它可能让人感觉像魔法一样神奇，但基于人工智能的系统往往无法按预期工作：如果用于训练模型的数据不够深入、广泛和可靠，任何意外情况都可能使人工智能走向错误的方向。伦敦一家名为 Prolific 的初创公司构建了一个系统，他们认为该系统可以通过利用由12万名人类参与者组成的网络来为人工智能模型提供信息并进行压力测试，从而帮助解决这一问题。鉴于对其服务的需求，Prolific现已筹集到一些资金——2500万英镑（3200万美元）——以扩大其业务运营。
本轮融资由Partech和牛津科学企业（OSE）联合领投。
Prolific成立于2014年，其客户包括谷歌、斯坦福大学、牛津大学、伦敦国王学院和欧盟委员会等机构，利用其参与者网络测试新产品、在眼动追踪等领域训练人工智能系统，并确定其面向人类的人工智能应用是否按照开发者的期望正常运行。迄今为止，正是来自这些用户的收入帮助Prolific实现了增长。事实上，在此轮融资之前，Prolific仅通过Y Combinator（YC）获得了一笔140万美元的种子轮融资。（是的，它曾经盈利；但在接受风险投资并投资于增长后，如今已不再盈利。）
创始人兼首席执行官Phelim Bradley通过电子邮件向TechCrunch表示：“我们最近看到了巨大的进展，面前有一个巨大的机会，因此我们正在引入这笔新资金，以比我们原本能够做到的更快超负荷推进我们的努力，并扩展我们的产品范围和参与者群体。”
该公司最初并非出于人工智能领域的特定需求而构想，而是源于研究人员在面对各类调查小组时常遇到的一般性问题，这是Bradley在其自身学术工作中识别出的问题（他的背景是计算生物学和物理学，在进入Prolific之前）。
简而言之，找到具有全面代表性的受访者群体来回答问题是一项挑战，而且几乎不可能及时做到这一点。许多研究人员的应对方法是与第三方合作来获取参与者，但这也有其自身的缺点，包括无法验证个人身份以及选择代表性样本以确保样本的代表性。
在AI领域，这些问题尤为严重：虚假或误导性数据正是那枚可能决定AI系统成败的“害群之马”。考虑到AI的应用已如此广泛——或者更准确地说，人们多么希望有一天能将其应用于更广泛的领域——希望
Bradley为解决这一问题提出的方案在概念上相当直接，尽管实际执行可能更为复杂：构建一种更好的方式来获取调查小组成员。
他说，在早期阶段，公司主动接触人们，参加活动和其他场所去寻找他们。“我们通常做一些‘不具备可扩展性’的事情，”Bradley说。“但在达到临界规模后，大多数参与者是通过口碑发现我们的，这得益于良好的用户体验。”Prolific向这些志愿自由职业者支付每小时至少6英镑（8美元）的报酬，通常更高。截至目前，Prolific已向这些参与者支付了约1亿美元。
他表示，Prolific 致力于在人口统计学特征方面保持其 120,000 名用户池的相对均衡。此外，该公司还构建了多种工具——包括基于人口普查数据和其他来源的 300 多个筛选器——以便其客户能够更精准地调整搜索条件。
讽刺的是，该公司并未利用人工智能自身来解决 AI 领域的一个关键问题。“我们目前专注于提供人类智能（HI），以帮助改进人工智能。”他说。
Bradley 表示，尽管 Prolific 为满足 AI 市场需求所构建的产品与更广泛的研究需求之间存在诸多协同效应，但目前并无计划将其网络扩展至 AI 应用之外的领域。
话虽如此，像 Amazon（向需要人工测试者的客户提供 Mechanical Turk）、Nielsen 和 YouGov 等公司，以及 OpenAI 等语言模型构建领域的巨头，可能会尝试进入这一领域，这似乎是不言而喻的。目前，Attest 和 Scale AI 可能是其最接近的竞争对手。
Partech 的普通合伙人 Omri Benayoun 在一份声明中表示：“Prolific 构建了一个极其强大的在线研究平台。其学术渊源使其将最高质量标准应用于质量把控，而其技术专长则带来了与众不同的创新。与其他依赖手动招募方法的公司不同，Prolific 构建了涵盖从参与者招募与审核到研究工具集成的全方位研究基础设施。Prolific 有望在全球学术界占据领导地位，同时也为人工智能的发展提供了绝佳助力。”