教育新闻网提供行业首个模型智能平台的Truera，推出了其技术解决方案，该技术解决方案消除了机器学习(ML)周围的“黑匣子”，并在整个ML中提供了情报和可行的见解模型生命周期。该平台已经部署在银行和保险业的众多财富100强早期客户中，并为他们带来了价值。
该公司还宣布已经筹集了510万美元的第一轮资金，由Greylock牵头，其他投资者包括Wing VC，Conversion Capital和Aaref Hilaly。
尽管ML的使用呈爆炸式增长，但ML模型仍是黑匣子。它们是由算法创建的，这些算法会自动从训练数据中学习复杂的模式。结果，即使使用这些算法来创建模型的数据科学家也无法确切知道其工作原理。
这个黑匣子问题使数据科学家很难建立高质量的模型，这些模型不仅要达到测试精度的障碍，而且要在现实世界中推广并表现良好。商业伙伴，监管机构，运营商和客户发现，难以信任和采用基于ML的应用程序。黑匣子模型引起了社会对公平，偏见和透明度的关注。当用于创建模型的训练数据中的新数据发生变化时，很难保持黑盒ML模型的性能并随着时间的流逝而信任-这是在当前冠状病毒大流行期间最为关注的“概念漂移”挑战。
Truera的Model Intelligence平台是专为解决这些黑匣子问题而设计的。渣打银行是Truera的早期采用者之一，是一家领先的国际银行，积极倡导以负责任的方式使用AI。渣打银行零售银行业务负责人Vishu Ramachandran表示：“在银行内部有效利用数据和分析不仅是一项竞争优势，而且是我们更好地为客户服务的战略的关键推动力。随着我们扩大对人工智能和算法决策的使用，我们希望确保我们继续以公平，透明和负责任的方式进行。我们将Truera视为必不可少的合作伙伴，我们将如何做到这一点，以及我们如何更快，更高效地构建和运营更高质量的，可信赖的AI模型。”
Truera的两位创始人Anupam Datta和Shayak Sen是卡内基梅隆大学(Carnegie Mellon)六年来AI Explainability技术开发的先驱，在那里Datta担任教授，Sen获得了博士学位。同时，Will Uppington在先前的初创公司中领导产品和面向客户的团队，在那里他经历了ML的黑匣子挑战，并观察到缺乏模型智能如何对模型开发，销售和客户成功产生负面影响。Datta，Sen和Uppington于2019年联手创建了一种模型智能解决方案，以解决行业的黑匣子问题，并确保以负责任的方式实施AI，并使所有人的世界变得更好。
Truera的AI.Q技术(作为其平台的基础)是市场上最佳的企业级AI可解释性技术。它执行复杂的敏感性分析，使数据科学家和非数据科学家都能准确了解模型为何做出预测。当前的替代方案准确性较差，速度明显较慢，无法满足企业和法规的所有可解释性要求。
分析和解释机器学习。Truera的企业级AI可解释性使数据科学家能够解释模型预测，并获得对模型行为的新见解，从而改善模型的开发和可操作性。
提高模型质量。要使用ML获得业务成果，就需要构建准确，稳定，可靠，可解释且公平的高质量模型。Truera帮助数据科学家分析和改善模型质量，从而使模型提供更好的业务结果。
建立信任，降低风险。信任黑匣子ML模型很难。机器学习项目也有风险，因为项目失败，延误，预算外支出和合规风险很高。Truera帮助数据科学团队增加信任度并解决ML项目风险。
充满信心地进行运营和监控。人工智能应用程序需要新的监视和管理监督，因为运营数据可能会从培训数据中“漂移”。Truera使数据科学家能够应对这些独特的监视和管理挑战。
“ Truera的模型智能平台及其AI.Q技术是AI的根本突破，” Greylock的合伙人杰里·陈(Jerry Chen)说，他领导了Truera的第一轮融资。“消除机器学习的黑匣子问题对于构建有效且负责任的ML应用程序至关重要。Truera团队拥有无与伦比的研究，工程和业务经验来解决此问题。我们很高兴与Anupam，Shayak和Will合作，以改变机器学习模型的构建，管理和操作方式。”
Truera首席执行官兼联合创始人Will Uppington表示：“我们很高兴与渣打银行和我们的其他客户建立合作伙伴关系，并很高兴获得Greylock，Wing和Conversion Capital的支持。“我们的愿景是创建可帮助每个数据科学家分析，改善和建立对其模型的信任的软件，以使世界负责任地拥抱AI。”
要了解更多信息，请访问 Truera 并阅读我们的启动博客文章 介绍Truera 以及 为何机器学习需要模型智能。
