10 月 26 日 — LatticeFlow是可以自动查找和修复 AI 数据和模型错误的人工智能 (AI) 平台，今天宣布获得 1200 万美元的 A 轮融资。随着越来越多的公司（包括 Siemens Mobility 等财富 500 强 客户以及 Intenseye、Voxel AI 和 Carscan 等 AI 规模化企业）部署计算机视觉，这项投资将使 LatticeFlow 能够扩展其平台的功能并响应不断增长的客户需求 规模化的模型。

　　创始团队（从左至右）：Andreas Krause 教授、Petar Tsankov 博士（CEO）、Pavol Bielik 博士（CTO）和 Martin Vechev 教授。

　　今天对屡获殊荣的苏黎世联邦理工学院分拆项目的投资，使迄今为止的总资金达到 1480 万美元，由 Atlantic Bridge 和 OpenOcean 牵头， FPV Ventures 和现有投资者 btov Partners 和 Global Founders Capital参与其中。计算机视觉的潜在潜在市场相当大，因为它在制造、医疗保健、零售、安全和安全行业的快速采用率，这些行业正在数字化流程以变得更加数据驱动。

　　在过去的几年里，计算机视觉 AI 模型在实验室中的图像分类、检测和其他任务方面的表现已经超过了人类水平。但是，模型在生产中部署时通常无法按预期工作，因为现实世界的场景比实验室训练数据集复杂和多样得多。正因为如此，90%的车型没有达到生产，造成数十亿的损失。

　　联合创始人兼首席执行官 Petar Tsankov 表示：“我们开发 LatticeFlow 是因为我们知道工程师在修复数据和模型问题以创建适用于现实世界的 AI 模型的艰苦手动过程中所面临的不可能完成的任务。” , 格流。“在规模上，这显然是一场无法取胜的战斗，因此我们专注于开发工具来帮助工程师智能地工作并自动修复大型数据集和模型。”

　　自动修复数据和模型问题

　　LatticeFlow 平台旨在自动化解决计算机视觉 AI 模型中的数据质量和盲点问题的过程，这对于在野外实现模型性能至关重要。

　　数据问题： LatticeFlow 的独特之处在于它能够自动发现和修复 数百万图像数据集的大规模数据质量问题，包括标记错误、质量差的样本、数据偏差等。

　　盲点模型： 该平台还可以自动发现通常无法手动发现的 盲点场景，并在实际性能受到影响之前对其进行修复。为了修补模型，LatticeFlow 开发了一种新的、可扩展的目标数据增强方法。

　　“令人痛苦的事实是，今天，大多数大规模 AI 模型部署在现实世界中根本无法可靠运行，”大西洋桥运营合伙人 Sunir Kapoor 说。“这主要是由于缺乏帮助工程师有效解决关键 AI 数据和模型错误的工具。但是，这也是大西洋桥团队如此明确地做出投资 LatticeFlow 的决定的原因。我们相信该公司已准备好实现巨大的增长，因为它目前是一家能够大规模自动诊断和修复 AI 数据和模型缺陷的公司。”

　　OpenOcean 的普通合伙人 Ekaterina Almasque 说：“如果有一个团队能够最终实现大规模机器学习部署，那就是 LatticeFlow 的团队。他们来自学术界、苏黎世联邦理工学院的惊人血统以及他们作为连续创业者的背景给我们留下了深刻的印象。”

　　“将实验室构建的 AI 模型投入生产存在重大瓶颈。尽管人工智能模型呈指数级增长，但将它们操作起来却非常困难。LatticeFlow 通过其非结构化数据质量分析和改进以一种独特的方式解决了这个问题。我们很高兴加入 LatticeFlow 之旅，为计算机视觉部署构建领先的自动化平台，从而加速 AI 的推出。”

　　关于大西洋桥

　　Atlantic Bridge是一家全球技术投资公司，管理着超过 12 亿欧元的七只基金资产，投资于欧洲和美国的深度科技公司。奥拓、都柏林、慕尼黑和巴黎。

　　关于开放海洋

　　OpenOcean是一家在欧洲运营的早期风险投资公司，在伦敦和赫尔辛基设有办事处。凭借建立多个定义类别的软件业务（MySQL、MariaDB 等）的创业背景，该公司授权大胆的创始人建立全球和可扩展的公司，为数据经济提供解决方案。OpenOcean 通常领导或共同领导欧洲 1000 万欧元的 A 轮融资。自成立以来，该公司已经筹集了四只基金，最近一次筹资总额超过 1.1 亿欧元。

　　LatticeFlow 揭示了用于训练汽车损坏检查 AI 模型的数据偏差。由于人们经常指向划痕，这会导致模型了解到手指表示损坏（一种虚假特征）。此问题已通过从所有图像中删除手指的自定义增强来解决。