Weights & Biases 是用于机器学习实验跟踪和可视化的平台。帮助研究人员记录、共享和优化模型训练过程。
Weights & Biases，作为多产的人工智能和机器学习开发平台之一，已从前 GitHub 首席执行官 Nat Friedman 和前 Y Combinator 合伙人 Daniel Gross 那里获得了一笔新资金。
Friedman 和 Gross 以及现有投资者 Coatue、Insight Partners、Felicis、Bond、BloombergBeta 和 Sapphire 在一轮战略融资中向 Weights & Biases 投资了 5000 万美元，该公司估值达到 12.5 亿美元。
这笔投资使该初创公司的融资总额达到 2.5 亿美元，正值 Weights & Biases 准备推出 Prompts，这是一款旨在帮助用户按照 OpenAI 的GPT-4路线监控和评估大型语言模型 (LLM) 性能的新产品。
这笔 5000 万美元的投资远低于 Weights & Biases 之前的 C 轮投资，后者的投资金额约为 1.35 亿美元。
但 Weights & Biases 增长副总裁拉瓦尼娅·舒克拉 (Lavanya Shukla) 将其描述为机会主义。
她在电子邮件采访中告诉 TechCrunch，“我们认为，为员工提供机器学习工具应该成为 CTO （首席技术官）及其团队的首要任务。”
“通过解决测试、安全性和可靠性问题，Weights & Biases处于成功机器学习模型开发的关键点。”
Lukas Biewald 和 Chris Van Pelt 花了数年时间为机器学习工程师和数据科学家开发工具，之后于 2017 年共同创立了 Weights & Biases。
两人此前推出了Figure 8（以前称为 CrowdFlower），旨在招募众包工人来标记机器学习算法的训练数据。（Figure 8于 2019 年被 Appen 以 1.75 亿美元收购。）
Lukas 说，“我们发现了一个更大的问题：机器学习从业者没有一个很好的实验记录系统。”
“这项高度实验性但至关重要的科学被记录在电子表格和退化的屏幕截图中。”
因此，Biewald 和 Van Pelt 与第三位联合创始人、谷歌校友兼开发人员 Shawn Lewis 联手，将他们的目光投向了一个更大的领域：机器学习从业者的实验记录系统。
这一举措不仅填补了市场的空白，更为机器学习工程师和数据科学家提供了更便捷、高效的工作流程。
在接下来的几年中，他们构建了Weights & Biases的 MVP（最小可行产品）：支持机器学习开发生命周期的工作流程。
Weights & Biases属于称为 MLOps （机器学习操作）的平台类别，它使数据科学家能够创建新的机器学习模型，并通过可重复的自动化工作流程运行它们，并将其部署到生产中。
随着人工智能需求的增长，对 MLOps 平台的需求也在增长。Allied Market Research 估计，到 2023 年，MLOps 细分市场的价值将达到 231 亿美元。
新的 MLOps 平台不断出现。仅举几例，有Seldon、FedML、Qwak、Galileo、Striveworks、Arize、Comet和Tecton。
这忽略了 Azure、AWS 和谷歌云等现有企业的产品。
但 Shukla 声称，Weights & Biases的与众不同之处在于它的 MLOps 方法。
首先，Weights & Biases 的所有产品都是与合作伙伴和客户共同设计的，以确保它们满足这些合作伙伴和客户的需求。
其次，该平台强调询问用于训练模型的数据集的工具，允许客户检查可能出现的问题，例如偏见和个人身份信息的存在（最好是在这些数据集投入生产之前）。
Shukla 说，“Weights & Biases 是领先的机器学习平台，可帮助开发人员更快地构建更好的模型。”
“我们构建轻量级、可互操作的工具来快速跟踪实验、版本和迭代数据集、评估模型性能、重现模型、可视化结果和发现回归，并与同事分享发现。”
“这使得机器学习工程师可以快速迭代他们的机器学习管道，并确信他们的数据集和模型在可靠的记录系统中进行跟踪和版本控制。”
此外，Weights & Biases还有其他优势。
Shukla 声称，该平台的解决方案已集成到 20000 多个开源存储库中，并且Weights & Biases已在数百篇机器学习学术研究论文中被引用。
它也是备受瞩目、资金雄厚的生成式 AI 模型构建者（包括 OpenAI、Aleph Alpha、Cohere、Anthropic 和 Hugging Face）的首选工具集。
Shukla 说，“OpenAI 在Weights & Biases上训练所有模型。由于数百名员工正在进行数千次实验，OpenAI 拥有一种快速测试、识别问题和调试模型的方法至关重要。”
“OpenAI 还必须对其数据的小子集进行大量训练。借助Weights & Biases，他们能够更快地训练 GPT-4。”
除了生成式 AI 群体之外，Weights & Biases 还拥有 70 万用户（2021 年为 10 万），以及超过 1000 名付费用户。
与此同时，其团队已发展到 200 多人，其中大部分驻扎在旧金山总部。
Weights & Biases 的目标是通过其提到的新产品 Prompts 进一步扩大客户群，该产品允许用户询问 LLM 的输出并自行微调 LLM。
舒克拉说，“LLM可能会减少训练模型所需的人员数量，但它们会增加公司需要使用这些模型进行微调、接口和构建应用程序的人员数量。”
“Prompts 的目标还在于为新一类用户提供服务，并改变大型实验室构建机器学习模型的方式。”
“除了及时的工程师和微调人员之外，构建独特内部模型的研究人员和公司还将拥有更多工具来改进和优化他们的模型。”
至于Weights & Biases，它将有理由继续构建其 MLOps 套件。
Weights & Biases的未来充满了无限的可能性。最后，让我们共同期待Weights & Biases未来的辉煌。
作为机器学习领域的引领者，它将继续不断创新，推动技术的进步，为人工智能的未来铺平道路。
发布者：5840，转转请注明出处：https://www.5840.cn/lives/641.html
评论列表（0条）