I sistemi di intelligenza artificiale (AI) ” scatola nera ” sono progettati per automatizzare il processo decisionale, mappando le caratteristiche di un utente in una classe che prevede tratti comportamentali individuali come il rischio di credito, lo stato di salute e così via, senza rivelare il motivo. Ciò è problematico, non solo a causa della mancanza di trasparenza, ma anche a causa di potenziali distorsioni ereditate dagli algoritmi da pregiudizi umani o da eventuali elementi nascosti nei dati di formazione che possono sfociare in decisioni ingiuste o scorrette.
Poiché l’ IA continua a proliferare, c’è una crescente necessità per le aziende tecnologiche di dimostrare la capacità di risalire attraverso il processo decisionale, una funzionalità chiamata IA spiegabile . Questo essenzialmente li aiuterebbe a capire perché è stata presa una certa previsione o decisione, quali sono stati i fattori importanti nel fare quella previsione o decisione e quanto sia sicuro il modello in quella previsione o decisione.
Presentazione Perché rendere operativa la mesh di dati è fondamentale per operare nel cloud_
Per aiutare a infondere negli utenti la fiducia che le decisioni operative siano basate su fondamenta di equità e trasparenza, Diveplane afferma che i suoi prodotti sono progettati attorno a tre principi: prevedere, spiegare e mostrare.
Crescita esplosiva nel mercato del software di intelligenza artificiale
Diveplane, con sede a Raleigh, nella Carolina del Nord, ha annunciato oggi di aver raccolto 25 milioni di dollari in finanziamenti di serie A per rafforzare la sua posizione nel mercato del software di intelligenza artificiale e investire ulteriormente nelle sue soluzioni di intelligenza artificiale spiegabili che forniscono un processo decisionale equo e trasparente e la privacy dei dati.
Gartner stima che il mercato del software di intelligenza artificiale raggiungerà i 62 miliardi di dollari nel 2022 e continuerà a crescere a un tasso superiore al 30% fino al 2027. Diveplane afferma di essere posizionato per sfruttare le opportunità di mercato con il supporto di molteplici casi d’uso nel mondo reale — previsione , rilevamento delle anomalie, anonimizzazione e creazione di dati sintetici, il tutto da un unico modello su un’unica piattaforma.
Il salto di Diveplane dal gioco all’IA spiegabile
L’azienda è guidata da Mike Capps , l’ex presidente di Epic Games, e dai cofondatori di Hazardous Software Chris Hazard e Mike Resnick.
In effetti, la tecnologia AI di Diveplane è nata da Hazardous Software, che Hazard e Resnick hanno fondato nel 2007.
Il gioco ha guadagnato molta attenzione mainstream, anche da luoghi che i fondatori non si aspettavano: l’esercito degli Stati Uniti. Sebbene siano dovuti tornare in salotto per riconfigurare la tecnologia per scopi militari, sono stati in grado di creare software di intelligenza artificiale per il supporto decisionale, la visualizzazione e la simulazione per problemi strategici difficili.
Alla fine hanno creato Hazardous Software e stabilito Diveplane per iniziare a sviluppare un sistema di intelligenza artificiale spiegabile in grado di supportare più casi d’uso dalla previsione, rilevamento di anomalie, anonimizzazione e creazione di dati sintetici. E il resto, come si suol dire, è storia.
“Oggi offriamo un machine learning pratico, etico ed efficiente . E avrai solo bisogno di un modello per fare tutto”, ha detto Hazard a VentureBeat.
Spiegabile, verificabile e modificabile
Al centro delle offerte di Diveplane c’è Reactor, una tecnologia di machine learning (ML) basata su cloud che crea modelli decisionali basati su IA basati su osservazioni di dati storici. Aiuta a identificare le anomalie nei sistemi in tempo reale, creare set di dati sintetici condivisibili che prendono il posto di informazioni di identificazione personale altamente sensibili e prevedere il futuro.
“Mentre molte persone si concentrano sulle reti neurali o sull’aumento del gradiente, noi usiamo qualcosa chiamato apprendimento basato su istanze, in cui i tuoi dati sono il modello”, ha affermato Hazard. “La parte migliore è che non è necessario costruire 10.000 modelli per rispondere a 10.000 domande, è necessario costruirne uno”.
La società afferma che il reattore rimuove completamente la “scatola nera” essendo spiegabile, verificabile e modificabile. Utilizzando la “metrica di convinzione” brevettata da Diveplane, che rappresenta la sorpresa del sistema per i nuovi dati, Reactor aiuta gli utenti a capire chiaramente come è arrivato a una determinata decisione e quali dati hanno esattamente influenzato tale scelta. In questo modo, le organizzazioni possono individuare e analizzare dati potenzialmente distorti e rimuoverli da tutte le analisi future.
Reactor è la tecnologia di base su cui sono costruiti tutti gli altri prodotti di Diveplane: GEMINAI (un creatore di dati sintetici), SONAR (strumento di rilevamento delle anomalie) e ALLUVION (strumento di previsione degli immobili commerciali).
Le partnership sono la via da seguire, afferma Diveplane
Diveplane si rivolge a settori altamente regolamentati come finanza, sanità, immobili commerciali e difesa, tra gli altri. Tuttavia, l’azienda collabora con più fornitori per servire altri mercati.
“Stiamo costruendo partnership affidabili, con un set di prodotti che fornisce una capacità olistica per un processo decisionale equo e trasparente e la privacy dei dati. Questo supporto aggiunge carburante per missili alla nostra attività, quindi possiamo basarci sul nostro approccio di successo per aiutare le aziende a innovare con la nostra piattaforma Reactor”, ha affermato Capps in una nota.
Più di recente, Diveplane ha collaborato con Scanbuy , un fornitore di soluzioni per il coinvolgimento mobile e la pubblicità digitale, per lanciare ExtendedAudiences, un’estensione del pubblico protetta dalla privacy e simile ai dati di acquisto dei prodotti di largo consumo negli Stati Uniti.
“Il valore derivato dall’IA e dal ML sarà fondamentale per il futuro del nostro settore. Richiedendo che tutti i nostri modelli siano intrinsecamente comprensibili, Scanbuy consente di estendere gli audit dei dati di autocertificazione a un pubblico modellato”, ha affermato Chai Outmezguine, CEO di Scanbuy, in una dichiarazione.
“La spiegazione del modello ci consente di determinare come vengono costruite le previsioni, proteggere gli attributi tra i partner di dati e mantenere la massima privacy e il controllo sull’utilizzo dell’interessato. Vediamo anche un futuro luminoso nell’introduzione di questa trasparenza nelle tecniche di apprendimento per rinforzo che aiutano a ottimizzare le campagne in volo”.
Dal suo inizio nel 2018, Diveplane ha raccolto quasi 35 milioni di dollari. Ha assicurato investimenti da Shield Capital, Calibrate Ventures, L3Harris Technologies e Sigma Defense, insieme a investitori stellati tra cui le stelle del calcio femminile statunitense Megan Rapinoe, Becky Sauerbrunn, Meghan Klingenberg e Mia Hamm. Philip Bilden, Managing Partner di Shield Capital, entrerà a far parte del consiglio di amministrazione di Diveplane.
In che modo Diveplane utilizza l’IA spiegabile per rafforzare l’adozione dell’IA
I sistemi di intelligenza artificiale (AI) ” scatola nera ” sono progettati per automatizzare il processo decisionale, mappando le caratteristiche di un utente in una classe che prevede tratti comportamentali individuali come il rischio di credito, lo stato di salute e così via, senza rivelare il motivo. Ciò è problematico, non solo a causa della mancanza di trasparenza, ma anche a causa di potenziali distorsioni ereditate dagli algoritmi da pregiudizi umani o da eventuali elementi nascosti nei dati di formazione che possono sfociare in decisioni ingiuste o scorrette.
Poiché l’ IA continua a proliferare, c’è una crescente necessità per le aziende tecnologiche di dimostrare la capacità di risalire attraverso il processo decisionale, una funzionalità chiamata IA spiegabile . Questo essenzialmente li aiuterebbe a capire perché è stata presa una certa previsione o decisione, quali sono stati i fattori importanti nel fare quella previsione o decisione e quanto sia sicuro il modello in quella previsione o decisione.
Presentazione Perché rendere operativa la mesh di dati è fondamentale per operare nel cloud_
Per aiutare a infondere negli utenti la fiducia che le decisioni operative siano basate su fondamenta di equità e trasparenza, Diveplane afferma che i suoi prodotti sono progettati attorno a tre principi: prevedere, spiegare e mostrare.
Crescita esplosiva nel mercato del software di intelligenza artificiale
Diveplane, con sede a Raleigh, nella Carolina del Nord, ha annunciato oggi di aver raccolto 25 milioni di dollari in finanziamenti di serie A per rafforzare la sua posizione nel mercato del software di intelligenza artificiale e investire ulteriormente nelle sue soluzioni di intelligenza artificiale spiegabili che forniscono un processo decisionale equo e trasparente e la privacy dei dati.
Gartner stima che il mercato del software di intelligenza artificiale raggiungerà i 62 miliardi di dollari nel 2022 e continuerà a crescere a un tasso superiore al 30% fino al 2027. Diveplane afferma di essere posizionato per sfruttare le opportunità di mercato con il supporto di molteplici casi d’uso nel mondo reale — previsione , rilevamento delle anomalie, anonimizzazione e creazione di dati sintetici, il tutto da un unico modello su un’unica piattaforma.
Il salto di Diveplane dal gioco all’IA spiegabile
L’azienda è guidata da Mike Capps , l’ex presidente di Epic Games, e dai cofondatori di Hazardous Software Chris Hazard e Mike Resnick.
In effetti, la tecnologia AI di Diveplane è nata da Hazardous Software, che Hazard e Resnick hanno fondato nel 2007.
Il gioco ha guadagnato molta attenzione mainstream, anche da luoghi che i fondatori non si aspettavano: l’esercito degli Stati Uniti. Sebbene siano dovuti tornare in salotto per riconfigurare la tecnologia per scopi militari, sono stati in grado di creare software di intelligenza artificiale per il supporto decisionale, la visualizzazione e la simulazione per problemi strategici difficili.
Alla fine hanno creato Hazardous Software e stabilito Diveplane per iniziare a sviluppare un sistema di intelligenza artificiale spiegabile in grado di supportare più casi d’uso dalla previsione, rilevamento di anomalie, anonimizzazione e creazione di dati sintetici. E il resto, come si suol dire, è storia.
“Oggi offriamo un machine learning pratico, etico ed efficiente . E avrai solo bisogno di un modello per fare tutto”, ha detto Hazard a VentureBeat.
Spiegabile, verificabile e modificabile
Al centro delle offerte di Diveplane c’è Reactor, una tecnologia di machine learning (ML) basata su cloud che crea modelli decisionali basati su IA basati su osservazioni di dati storici. Aiuta a identificare le anomalie nei sistemi in tempo reale, creare set di dati sintetici condivisibili che prendono il posto di informazioni di identificazione personale altamente sensibili e prevedere il futuro.
“Mentre molte persone si concentrano sulle reti neurali o sull’aumento del gradiente, noi usiamo qualcosa chiamato apprendimento basato su istanze, in cui i tuoi dati sono il modello”, ha affermato Hazard. “La parte migliore è che non è necessario costruire 10.000 modelli per rispondere a 10.000 domande, è necessario costruirne uno”.
La società afferma che il reattore rimuove completamente la “scatola nera” essendo spiegabile, verificabile e modificabile. Utilizzando la “metrica di convinzione” brevettata da Diveplane, che rappresenta la sorpresa del sistema per i nuovi dati, Reactor aiuta gli utenti a capire chiaramente come è arrivato a una determinata decisione e quali dati hanno esattamente influenzato tale scelta. In questo modo, le organizzazioni possono individuare e analizzare dati potenzialmente distorti e rimuoverli da tutte le analisi future.
Reactor è la tecnologia di base su cui sono costruiti tutti gli altri prodotti di Diveplane: GEMINAI (un creatore di dati sintetici), SONAR (strumento di rilevamento delle anomalie) e ALLUVION (strumento di previsione degli immobili commerciali).
Le partnership sono la via da seguire, afferma Diveplane
Diveplane si rivolge a settori altamente regolamentati come finanza, sanità, immobili commerciali e difesa, tra gli altri. Tuttavia, l’azienda collabora con più fornitori per servire altri mercati.
“Stiamo costruendo partnership affidabili, con un set di prodotti che fornisce una capacità olistica per un processo decisionale equo e trasparente e la privacy dei dati. Questo supporto aggiunge carburante per missili alla nostra attività, quindi possiamo basarci sul nostro approccio di successo per aiutare le aziende a innovare con la nostra piattaforma Reactor”, ha affermato Capps in una nota.
Più di recente, Diveplane ha collaborato con Scanbuy , un fornitore di soluzioni per il coinvolgimento mobile e la pubblicità digitale, per lanciare ExtendedAudiences, un’estensione del pubblico protetta dalla privacy e simile ai dati di acquisto dei prodotti di largo consumo negli Stati Uniti.
“Il valore derivato dall’IA e dal ML sarà fondamentale per il futuro del nostro settore. Richiedendo che tutti i nostri modelli siano intrinsecamente comprensibili, Scanbuy consente di estendere gli audit dei dati di autocertificazione a un pubblico modellato”, ha affermato Chai Outmezguine, CEO di Scanbuy, in una dichiarazione.
“La spiegazione del modello ci consente di determinare come vengono costruite le previsioni, proteggere gli attributi tra i partner di dati e mantenere la massima privacy e il controllo sull’utilizzo dell’interessato. Vediamo anche un futuro luminoso nell’introduzione di questa trasparenza nelle tecniche di apprendimento per rinforzo che aiutano a ottimizzare le campagne in volo”.
Dal suo inizio nel 2018, Diveplane ha raccolto quasi 35 milioni di dollari. Ha assicurato investimenti da Shield Capital, Calibrate Ventures, L3Harris Technologies e Sigma Defense, insieme a investitori stellati tra cui le stelle del calcio femminile statunitense Megan Rapinoe, Becky Sauerbrunn, Meghan Klingenberg e Mia Hamm. Philip Bilden, Managing Partner di Shield Capital, entrerà a far parte del consiglio di amministrazione di Diveplane.
