Machine Learning (máy học) có thể mang lại lợi thế cạnh tranh cho các công ty bằng cách sử dụng dữ liệu mà chúng thu thập – ví dụ: các hình mẫu mua hàng – giúp đưa ra các dự đoán ‘chấp cánh’ cho các sản phẩm tạo doanh thu (ví dụ: đề xuất mua hàng trên web thương mại điện tử).

Nhưng rất khó để bất kỳ nhân viên nào theo kịp – quản lý ít lại – khối lượng dữ liệu khổng lồ được tạo ra.

Điều đó đặt ra một vấn đề, các hệ thống AI có xu hướng đưa ra các dự đoán vượt trội khi chúng được cung cấp dữ liệu cập nhật từng phút. Các hệ thống không được đào tạo lại thường xuyên về dữ liệu mới có nguy cơ trở nên “cũ kỹ” và kém chính xác hơn theo thời gian.

May mắn thay, một hệ thống thực hành mới nổi có tên là “MLOps” hứa hẹn sẽ đơn giản hóa quá trình cung cấp dữ liệu cho hệ thống bằng cách loại bỏ bớt những rắc rối. Một trong những người đề xuất nó là Mike Del Balso, Giám đốc điều hành của Tecton.

Del Balso đồng sáng lập Tecton khi còn làm việc tại Uber khi công ty đang gặp khó khăn trong việc xây dựng và triển khai các mô hình học máy mới.

“Các mô hình được cung cấp các tính năng thời gian thực được tinh chỉnh cao có thể đưa ra các dự đoán chính xác hơn nhiều. Nhưng việc xây dựng các data pipeline (đường ống dữ liệu) để tạo ra các tính năng này rất khó, đòi hỏi nhân lực kỹ thuật dữ liệu đáng kể và có thể công thêm hàng tuần hoặc hàng tháng mới ước tính được thời gian hoàn thành”.

Del Balso là người từng dẫn dắt các nhóm machine learning mảng Quảng cáo tìm kiếm (search ads) tại Google – đã đồng ra mắt Tecton vào năm 2019 cùng với Jeremy Hermann và Kevin Stumpf, hai đồng nghiệp cũ ở Uber.

*3 nhà sáng lập của Tecton. Ảnh: a16z.com*

Khi ở Uber, bộ ba này đã tạo ra Michelangelo, một nền tảng AI mà Uber sử dụng nội bộ để tạo dự báo thị trường, tính toán ETA (Estimated Time of Arrival) và tự động phát hiện gian lận, cùng nhiều tình huống sử dụng khác.

Sự thành công của Michelangelo đã truyền cảm hứng cho Del Balso, Hermann và Stumpf tạo ra một phiên bản thương mại của công nghệ này, sau chính là Tecton. Các nhà đầu tư đã hết sức ấn tượng.

Điển hình là Tecton thông báo rằng họ đã huy động được 100 triệu đô trong vòng Series C, nâng tổng số tiền huy động được của công ty lên 160 triệu đô.

Vòng này do Kleiner Perkins dẫn đầu, với sự tham gia của Databricks, Snowflake, Andreessen Horowitz, Sequoia Capital, Bain Capital Ventures và Tiger Global. Del Balso cho biết công ty sẽ được sử dụng nguồn vốn mới mở rộng quy mô các đội kỹ thuật và tiếp thị của Tecton.

Đối tác của Kleiner Perkins, Bucky Moore cho biết.

“Chúng tôi mong phần mềm mà mình sử dụng ngày nay sẽ được cá nhân hóa và thông minh hơn. Mặc dù công nghệ máy học giúp điều này trở nên khả thi, nhưng nó vẫn còn xa thực tế vì cơ sở hạ tầng hỗ trợ rất khó xây dựng cho tất cả trừ các công ty tiên tiến nhất. Tecton giúp bất kỳ đội ngũ nào cũng có thể truy cập cơ sở hạ tầng này, cho phép họ xây dựng các ứng dụng học máy nhanh hơn. ”

Ở cấp độ cao, Tecton tự động hóa quá trình xây dựng các tính năng bằng cách sử dụng các nguồn dữ liệu thời gian thực.

“Tính năng” (feature), trong học máy, là các biến độc lập riêng lẻ hoạt động giống như một đầu vào trong hệ thống AI. Hệ thống sử dụng các tính năng để đưa ra dự đoán của chúng.

Del Balso cho biết:

“[Tự động hóa] cho phép các công ty triển khai các mô hình học máy thời gian thực nhanh hơn nhiều với ít nỗ lực kỹ thuật dữ liệu (data engineering) hơn. Nó cũng cho phép các công ty đưa ra các dự đoán chính xác hơn. Điều này rồi lại chuyển thành kết quả cuối cùng được mong đợi, chẳng hạn như tăng tỷ lệ phát hiện gian lận hoặc cung cấp các đề xuất sản phẩm tốt hơn”.

Ngoài việc sắp xếp các data pipeline, Tecton có thể lưu trữ các giá trị tính năng trên các môi trường đào tạo và triển khai hệ thống AI.

Nền tảng này cũng có thể giám sát các data pipeline, tính toán độ trễ và chi phí xử lý cũng như truy xuất các tính năng trước đây để đào tạo các hệ thống trong sản xuất.

“Các trường hợp sử dụng điển hình cho Tecton là các ứng dụng học máy được lợi từ suy luận thời gian thực. Một số ví dụ bao gồm phát hiện gian lận, hệ thống giới thiệu, tìm kiếm, thẩm định bảo hiểm, cá nhân hóa và định giá theo thời gian thực. Nhiều mô hình học máy này hoạt động tốt hơn nhiều khi đưa ra dự đoán trong thời gian thực, sử dụng dữ liệu thời gian thực. Ví dụ: các mô hình phát hiện gian lận chính xác hơn đáng kể khi sử dụng dữ liệu về hành vi của người dùng chỉ vài giây trước đó, chẳng hạn như số lượng, kích thước và vị trí địa lý của các giao dịch ”.

Theo Cognilytica, thị trường toàn cầu cho nền tảng MLOps sẽ trị giá 4 tỷ đô vào năm 2025 – tăng từ 350 triệu đô la vào năm 2019. Tecton không phải là công ty khởi nghiệp duy nhất theo đuổi việc này. Các đối thủ bao gồm Comet, Weights & Biases, Iterative, InfuseAI, Arrikto và Continual là một vài cái tên.

Trên mặt trận cửa hàng tính năng, Tecton cạnh tranh với Rasgo và Molecula, cũng như các thương hiệu lâu đời hơn như Google và AWS.

Del Balso chỉ ra một số điểm có lợi cho Tecton, như quan hệ đối tác chiến lược và tích hợp với Databricks, Snowflake và Redis.

Tecton có hàng trăm người dùng tích cực – không có thông tin gì về khách hàng, ngoại trừ thực tế là cơ sở đã tăng gấp 5 lần trong năm qua – và Del Balso nói rằng tỷ suất lợi nhuận gộp (doanh thu thuần trừ giá vốn hàng bán) là trên 80%.

Doanh thu định kỳ hàng năm dường như đã tăng gấp ba lần từ năm 2021 đến năm 2022, nhưng Del Balso từ chối cung cấp số liệu công ty.

“Chúng tôi vẫn đang trong giai đoạn đầu của MLOps. Đây là một quá trình chuyển đổi khó khăn đối với doanh nghiệp. Nhóm các nhà khoa học dữ liệu của họ phải cư xử giống như các kỹ sư dữ liệu hơn và bắt đầu xây dựng mã chất lượng-sản xuất. Họ cần một bộ công cụ hoàn toàn mới để hỗ trợ quá trình chuyển đổi này và họ cần tích hợp các công cụ này vào các nền tảng máy học gắn kết. Hệ sinh thái của các công cụ MLOps vẫn còn phân mảnh cao, khiến các doanh nghiệp khó khăn hơn trong việc xây dựng các nền tảng máy học này. Đại dịch đã đẩy nhanh quá trình chuyển đổi sang trải nghiệm kỹ thuật số và cùng với đó là tầm quan trọng của việc triển khai ML hoạt động để tăng cường cho những trải nghiệm này. Chúng tôi tin rằng đại dịch là động lực thúc đẩy việc áp dụng các công cụ MLOps mới, bao gồm các cửa hàng tính năng và nền tảng tính năng. ”

Tecton có trụ sở tại San Francisco hiện có 80 nhân viên. Công ty có kế hoạch thuê khoảng 20 người trong vòng 6 tháng tới.

Theo TechCrunch

undefined undefined

1 Result uber found