Die Ausgründung der ETH LatticeFlow sammelt 2,8 Millionen US-Dollar für den Aufbau zuverlässiger Systeme für künstliche Intelligenz – TechCrunch

LatticeFlow, ein AI-Start-up, das 2020 aus der ETH Zürich ausgegliedert wurde, gab heute bekannt, dass es eine Startkapitalrunde in Höhe von 2,8 Millionen US-Dollar unter der Leitung eines Schweizer Deep-Tech-Fonds aufgebracht hat btov und Global Founders Capital, das zuvor Unternehmen wie Revolut, Slack und Zalando unterstützte.

Die allgemeine Idee hinter LatticeFlow besteht darin, Tools zu erstellen, mit denen KI-Teams KI-Modelle erstellen und bereitstellen können, die sicher, zuverlässig und vertrauenswürdig sind. Das Problem besteht heute laut Team darin, dass die Modelle sehr erfolgreich die richtigen statistischen Modelle finden, um einen bestimmten Benchmark zu erreichen. Dies macht sie jedoch unflexibel, da diese Modelle für die Genauigkeit in einer Laborumgebung und nicht für die Robustheit in der realen Welt optimiert wurden.

„Eines der häufigsten Paradigmen zur Bewertung von Modellen für maschinelles Lernen sind einfach aggregierte Messgrößen wie die Genauigkeit. Und dies ist natürlich eine sehr grobe Darstellung der Qualität eines Modells “, erklärte Pavol Bielik, technischer Direktor des Unternehmens. “Wir möchten systematische Methoden zur Überwachung von Modellen bereitstellen, deren Zuverlässigkeit anhand verschiedener Segmente relevanter Daten bewerten und dann Tools zur Verbesserung dieser Modelle bereitstellen.”

Bildnachweis: LatticeFlow

Um diese Modelltypen flexibler zu gestalten und gleichzeitig robuste Ergebnisse zu erzielen, sind jedoch ein neues Arsenal an Werkzeugen sowie das richtige Team mit umfassendem Fachwissen in diesen Bereichen erforderlich. Offensichtlich ist dies jedoch ein Gründungsteam mit der richtigen Erfahrung. Zum Gründungsteam gehören neben dem technischen Direktor von Bielik Petar Tsankov, Geschäftsführer des Unternehmens und ehemaliger Hauptforscher und Dozent an der ETH Zürich, sowie die ETH-Professoren Martin Vechev, der das Secure-Labor leitet. Zuverlässige und intelligente Systeme an der ETH und Andreas Krause, Leiter des ETH-Labors für Lern- und adaptive Systeme.

Es sei auch darauf hingewiesen, dass sich Vechev, der zuvor Mitbegründer der ETH-Ausgründung ChainSecurity war, und seine Gruppe an der ETH zuvor entwickelt haben SIE SIND, ein Verifizierer großer Deep-Learning-Modelle mit Millionen von Parametern, der im vergangenen Jahr den ersten Wettbewerb für die Zertifizierung von tiefen neuronalen Netzen gewann. Während das Team bereits vor dem Gewinn dieses Wettbewerbs ein Unternehmen gründen wollte, stellte Vechev fest, dass dies dem Team die Bestätigung gab, dass sie auf dem richtigen Weg waren.

Bildnachweis: LatticeFlow

„Wir wollen das Hauptproblem mit KI lösen, wodurch KI nutzbar wird. Dies ist das Hauptziel “, sagte Vechev. “”[…] Ich glaube nicht, dass Sie das Geschäft wirklich allein auf der Grundlage von Zertifizierungsarbeiten aufbauen können. Ich denke, die Art von Fähigkeiten, die die Leute im Geschäft haben, meine Gruppe, Andreas [Krause]von der Gruppe ergänzen sich alle und decken einen riesigen Raum ab, den ich sehr, sehr einzigartig finde. Ich kenne keine anderen Unternehmen, die dieses Kompetenzspektrum in diesen dringenden Punkten abgedeckt und bereits bahnbrechende Arbeit geleistet haben.

LatticeWorks hat bereits eine Reihe von Pilotclients, die seine Tools testen. Dazu gehören die Schweizerischen Bahnen (SBB), mit denen ein automatisches Schieneninspektionswerkzeug gebaut wird, das Bundesamt für Cybersicherheit und das US-Militär. Das Team arbeitet auch mit anderen großen Unternehmen zusammen, die ihre Tools zur Verbesserung ihrer Computer-Vision-Modelle einsetzen.

„Maschinelles Lernen (ML) ist eines der Schlüsselthemen der SBB, da wir in ihrer Anwendung ein enormes Potenzial für eine verbesserte, intelligente und automatisierte Überwachung unserer Schieneninfrastruktur sehen“, so Dr. Ilir Fetai und Andre Roger , die Manager des CFF IA-Teams. “Das robuste und zuverlässige KI-Projekt mit LatticeFlow, ETH und Siemens spielt eine entscheidende Rolle, damit wir die Vorteile der Verwendung von ML voll ausschöpfen können.”

Derzeit bleibt LatticeFlow in einem frühen Stadium. Das Team plant, die Mittel zu nutzen, um die Produktentwicklung zu beschleunigen und neue Kunden zu gewinnen. Das Team plant außerdem, in naher Zukunft eine Präsenz in den USA aufzubauen.