【小哈划重点：官网资料显示，Diveplane Reactor平台是构建Diveplane所有其他产品的核心技术。这是一种基于云的机器学习技术，可根据历史数据观察创建强大的AI决策模型。Reactor平台的输出是全面的、可辩护的，并且清楚地表明它是如何做出某个决定的，以及究竟是哪些数据为该选择提供了依据。】
近日，人工智能初创公司Diveplane宣布完成2500万美元A轮融资。本轮融资由Shield Capital领投，Calibrate Ventures、L3Harris Technologies和Sigma Defense参投。
Diveplane创立于2018年，致力于帮助企业和政府组织通过可训练、可解释和可审计的人工智能工具更好地理解和利用其数据的力量。
“随着人工智能工具的普及，支持技术和数据的合乎道德的使用从未像现在这样关键。我们设计这项技术是为了让机器和人和谐相处。”
1、为什么选择Diveplane
“它是可以解释的，Diveplane让人类能够准确地理解为什么做出决定，在神经网络无法做到的地方闪耀；它是可审计的，问责制很重要，Diveplane允许用户准确了解哪些数据影响了决策，以及它的影响力有多大；它是可编辑的，与神经网络不同，Diveplane不需要在每次将新数据添加到模型时都重新训练，使其成为实时部署的更顺畅的选择。”
官网资料显示，Diveplane Reactor平台是构建Diveplane所有其他产品的核心技术。这是一种基于云的机器学习技术，可根据历史数据观察创建强大的AI决策模型。Reactor平台的输出是全面的、可辩护的，并且清楚地表明它是如何做出某个决定的，以及究竟是哪些数据为该选择提供了依据。
“通过人工审查，Reactor允许组织查明和分析潜在的高度偏见数据，并将其从所有未来的分析中删除。这种体验与目前主导市场的黑盒系统完全不同。Reactor完全移除了黑匣子，并用更好的东西完全取代了它。”
除了Reactor，Diveplane的解决方案包括隐私增强技术GEMINAI、检测数据异常并快速纠正技术SONAR、市场趋势预测模块ALLUVION；客户涵盖金融、卫生保健、供应链、商业地产、军事防御等领域。
更具体地说，GEMINAI是合成数据创建工具，创建了一个可验证的合成“双胞胎”数据集，具有与原始数据相同的统计属性，但不包含现实世界的机密信息，允许数据在遵守隐私法规和保护个人信息的同时得到广泛应用。今年7月，Diveplane宣布和西班牙头部保险公司之一Mutua Madrileña达成合作，后者通过使用GEMINAI产品以支持其合成数据策略。
SONAR是异常检测工具，可以阻止欺诈并协助金融和医疗保险行业，不仅可以减少欺诈活动造成的损失，还可以通过更快地发现可疑活动来减少身份盗用的损害。
ALLUVION是商业房地产预测工具，可以提供未来三年商业房地产市场的复杂和全面的表现，使投资者能够做出明智的决策。
目前，Diveplane一共有三位联合创始人。Michael Capps博士是著名的技术专家兼Diveplane Corporation的首席执行官。在共同创立Diveplane之前，Mike在电子游戏行业拥有传奇的职业生涯，曾担任Epic Games总裁、大片Fortnite和Gears of War的制作人。
Chris Hazard博士是Diveplane的联合创始人兼首席技术官。Diveplane的AI技术从Chris于2007年创立的Hazardous Software衍生出来，专注于大型组织、国防部和政府中的硬战略问题的决策支持、可视化和模拟。他曾在摩托罗拉担任CDMA基础设施的软件架构师，在Kiva Systems（现为Amazon Robotics）从事机器人协调和物流工作，并就网络安全政策向北约提供建议。
Mike Resnick是Diveplane Corporation的联合创始人兼技术研究员。他在Diveplane人工智能技术核心的工程设计方面，从迈克于2007年与他人共同创立的公司Hazardous Software开始，在软件行业拥有20年的经验。
“Chris、Mike和Diveplane团队正在构建一个领先的技术平台，以利用AI的力量，同时保护隐私和可解释性，”Shield Capital的执行合伙人Raj Shah说。“我们很高兴与他们合作，因为他们的平台是大型组织安全实施和扩展AI的基础。”
2、AI圈大热的“MLOps”
Diveplane属于人工智能领域的MLOps赛道。MLOps（Machine Learning Operations/机器学习运维）是一种ML工程化实践，旨在整合ML模型开发(Dev)和ML模型运维(Ops)，基于一系列流程和最佳实践，通过数据科学家和运维人员之间的敏捷协作来交付ML产品。
MLOps对提升人工智能或机器学习开发速度有关键作用。根据IDC数据，部署人工智能或机器学习解决方案平均需要9个多月的时间。而MLOps可以将这一过程减少到几周甚至几天。
最近几年，随着人工智能产业由技术萌芽时期进入到规模应用期，企业竞争力也由技术创新驱动升级为“创新+应用”的双轮驱动。作为面向AI工程化实践的重要路径，MLOps开始受到行业的广泛关注。IDC预测，到2024年，60%的企业将使用MLOps实施其机器学习工作流。
虽然MLOps已经得到越来越多公司的关注，但是落地依然很困难。Google将MLOps分为三个级别：0级（手动）、1级（自动化CT）、2级（自动化CI/CD）。其中：0级是目前大部分AI项目的运作方式，每个环节均手动进行，开发与部署分离；1级支持AI项目中的自动化“持续训练”，形成模型训练的闭环；2级支持AI项目中的自动化“持续集成/部署”，形成模型部署闭环。
从落地现状来看，持续交付、持续训练、持续监控和模型治理难度依次提升，产业界当前尚处在提升持续交付和持续监控能力过程中，模型治理等仅有少量探索。
目前，MLOps的工具市场持续火热，端到端的MLOps一体化工具和细分场景的专项工具都非常火热，端到端工具追求大而全的功能集，专项工具在局部或某些场景下功能和性能较好，例如流水线编排、模型监控、特征存储、可观测等工具。未来，MLOps相关工具可能会成为AI软件市场的重要赛道。
在MLOps领域，Diveplane的竞争对手包括Arize、Tecton和Weights&Biases等。其中，Arize刚于近期完成3800万美元的B轮融资。在更细分的合成数据方向，它还与MostlyAI、Gretel和Hazy等初创公司竞争。
随着MLOps生态的逐渐成熟，更多的新工具正在持续加强其所涉及的各个环节的功能，从而降低ML团队在实际生产中运用先进模型和算法的门槛和成本，打通算法、场景、数据之间的壁垒，真正实现ML的转化和落地。
本轮融资将为Diveplane提供进一步投资人工智能解决方案的机会，以满足不断增长的市场需求。作为协议的一部分，Shield Capital的执行合伙人Philip Bilden将加入Diveplane董事会。
(文章插图未收录)
