Blog
Pienso平台解決人工智慧部署挑戰，無代碼建模讓專家參與訓練
Pienso平台解決人工智慧部署挑戰，無代碼建模讓專家參與訓練
March 13, 2024
重點摘要：
- 人工智慧部署挑戰：公司對數據管理和安全性擔憂。
- 新創企業解決人工智慧部署障礙。
- Pienso平台：無代碼建模讓專家參與人工智慧。
新聞內文：
人工智慧可能是眼下的「熱門話題」。但這並不意味著部署它變得更容易。
根據2023年標準普爾全球調查，至少有一個人工智慧項目正在生產中的公司中，大約一半仍處於試點或概念驗證階段。慢速上升的原因各有不同，但通常提到的是有關數據管理、安全性和計算資源的挑戰。
在參與標準普爾調查的企業中，大約一半表示他們尚未準備好實施人工智慧，並且在未來五年或更長時間內都不會。
幸運的是，越來越多的新創企業和大型科技供應商推出了目的在解決這些人工智慧部署障礙的產品。（見ML Hub、Kore.ai和Viso，只列舉幾個。）其中一個較新的進入者是「Pienso」，這是一個讓使用者能夠在不寫代碼的情況下建立和部署模型的平台。
Birago Jones和Karthik Dinakar於2016年創立了Pienso，這是基於他們在麻省理工學院（他們是校友）的研究。這兩人幾年前在麻省理工學院媒體實驗室相遇，當時都是研究生。
擔任Pienso CEO的Jones在接受TechCrunch採訪時表示：「我們合作完成了一個課程項目，建立了一個工具，可以幫助社交媒體平台審核並標記欺凌內容」。「只有一個問題：儘管模型本身按照預期運行，但它並未使用正確的數據進行訓練，因此無法識別使用青少年俗語的有害內容」。
Jones和Dinakar最終意識到解決方案是讓主題專家（在這種情況下是青少年）幫助訓練模型。他們為此目的建立了工具，幾年後，Jones和Dinakar共同合作將這些工具商品化。
結果就是Pienso，Jones將其描述為一個針對「非技術人才」建立的人工智慧套件（即研究人員、行銷人員和客戶支援團隊，他們可以使用大量數據進行人工智慧訓練，但缺乏必要的資源來結構化和分析數據）。
Jones說：「人工智慧對話的很大一部分都被...大型語言模型所主導」，「但事實是，沒有一個模型可以應付所有情況。要實現人工智慧的全部潛力，使其能夠管理業務流程並與客戶互動，您必須能夠訓練和微調您的模型。Pienso認為，任何領域的專家，而不僅僅是人工智慧工程師，都應該能夠做到這一點」。
Pienso引導使用者通過標註或標記訓練數據，以供預調的開源或自定義人工智慧模型使用。（根據模型不同，但人工智慧通常需要標籤，如將鳥的圖像配對標籤「雀鳥」以學習執行任務。）這個平台可以部署在雲端或當地，透過API連接到企業系統。但它也可以在沒有API或第三方服務的情況下運行，將數據保持在安全環境中。
英國廣播公司Sky正在使用Pienso分析客戶服務電話，Jones說，而一家未具名的美國政府機構已測試該平台以監控非法武器跟蹤。
Jones說：「Pienso的靈活、無代碼界面允許團隊直接使用自己公司的數據訓練模型」。「這消除了使用模型的隱私擔憂，同時更準確，捕捉到每個公司的細微差異」。
公司根據部署的人工智慧模型數量向Pienso支付年度許可證費用。模型數量越多，許可費用就越高。
Jones補充道：「我們有意設計我們的定價，讓客戶能夠事先測試模型，了解人工智慧如何幫助他們，而不必首先進行大量投資」。「我們希望給客戶自由，讓他們在部署之前試驗建立新模型」。
這似乎是吸引投資者的商業模式。Pienso最近透過由Latimer Ventures領投，Gideon Capital、SRI、Uncork和Good Growth Capital參與的A輪融資募集了 1,000萬美元。
Jones 說，這筆新資金將用於擴大Pienso的銷售、市場營銷和客戶成功團隊，招聘工程人才，並為平台建立新功能。
Latimer Ventures的Luke Cooper在一份聲明中表示：「我們不斷聽到需要民主化人工智慧的需求，但Pienso脫穎而出的地方在於他們如何思考這個方程式中的領域專家的角色。他們賦予了最了解自己數據的人最多的見解。這正在培養一個未來，我們透過對解決的問題最熟悉的人，為特定應用建立更智慧的人工智慧模型」。
新聞原址： https://techcrunch.com/2024/03/12/pienso-is-building-no-code-tools-for-training-ai-models/