机器学习模型在生产环境中，其结果准确性往往会随时间推移而下降。Arthur.ai 自2019年推出以来，致力于帮助企业监控模型并确保其始终符合既定目标，此后更将可解释性与偏见缓解功能纳入服务体系。
凭借出色的市场反响，该公司今日宣布完成4200万美元B轮融资。联合创始人Adam Wenchel向TechCrunch透露，这是迄今机器学习监控领域规模最大的融资轮次。
聚焦偏见防范与可解释性
确保准确性离不开对偏见的防范，这也是继1500万美元A轮融资后公司的发力重点。“我们在偏见治理上投入巨大，这已成为行业焦点，例如如何防止模型产生歧视。”Wenchel表示，“我们开发了多项新颖知识产权，旨在自动调整模型输出，以满足客户设定的各类公平性约束。”
所谓可解释性，即理解模型得出特定结果的原因。Wenchel以高血压为例指出，病因可能源于饮食等可控因素，也可能来自不可控的遗传因素并需药物干预。他强调，不存在“一刀切”的答案，深入理解这一点有助于避免对机器学习结论的过度概括。
融资环境与业绩增长
谈及今年的融资环境，Wenchel坦言与去年差异显著：“为获取多份投资意向书，我们与十几位投资者进行了会面，这与2020年那种‘每五分钟就被追问进度’的狂热氛围截然不同。但整体进展依然顺利。”
强劲的增长或许是吸引投资者的关键。在过去四个季度中，公司年度经常性收入（ARR）平均增长率达58%。在当前经济波动背景下，这一数据尤为亮眼。
团队扩张与多元化建设
公司员工规模已从A轮时的17人增至目前的55人。Wenchel强调，多元化始终是公司在资本结构与员工层面的核心目标。他指出，这在研究领域至关重要，多元化的团队能有效防止偏见渗入软件产品。“我们发表了多篇论文，相关团队极具多样性，我认为这才是更优秀的团队配置。”他说。
本轮融资由Acrew Capital和Greycroft领投。股权结构包括来自Acrew的Theresia Gouw及Coalition Operators的Ashley Mayer（后者亦为公司天使投资人之一）。根据协议，Gouw将加入董事会。
Arthur.ai 获得 1500 万美元 A 轮融资，以扩展其机器学习监控工具