Weights and Biases融资4500万美元，为ML从业人员构建更好的工具
Weights and Biases刚刚从Insight Partners那里筹集了4500万美元。我为我们发展得如此之快而感到震惊，我想花一点时间，写下Shawn、Chris和我决定创办这家公司的初衷，以及我们未来的方向。
在Weights and Biases，我们的任务很简单：为ML（机器学习）从业者构建出色的工具。我们可以非常好地做到这一点，因为1）我们曾经都是ML从业者，并且2）在过去的20年中我们一直在为ML从业者构建工具，并且3）我们一直在认真地聆听ML从业者的需求。
我们渴望通过简单又实在的集成来构建可靠的工具。我们希望所构建的工具能够显著改善ML从业者的日常工作，同时帮助团队改善协作和透明度。
在我继续之前——如果您还没有尝试过我们的实验跟踪或超参数搜索工具，请您一定要去试一下！使用不超过五行的集成代码，便可以跟踪、可视化和共享所有ML实验。您可以尝试一个示例dashboard，看看其外观，或在我们的gallery中找到大量示例。
为什么我们喜欢为ML从业者打造产品
我相信，机器学习有可能成为永久性的变革力量。我们听到很多有关ML的崇高主张。您可能不会相信所有的关于自动驾驶汽车的雄心壮志，但您不能否认，Blueriver通过计算机视觉减少农药使用的工作，或者Deep Mind最近在蛋白质折叠方面的突破，都表明了ML算法具有丰富我们的生活、促进环境的可持续性发展以及治疗疾病的潜力。
我对机器学习持乐观态度的最大原因之一是，在过去的二十年里，我一直与ML社区一起工作，总的来说，这是一群非常具有思想深度和理想主义的人——他们热衷于构建东西来帮助人们解决问题并积极地影响世界。
对于ML从业者来说，真正很棒的工具既可以加速有用的机器学习模型的创建，又可以帮助确保机器学习是造福人类的力量。
与Peter Welinder在OpenAI的产品反馈会议上
为什么机器学习工具现在很重要
在不到十年的时间里，机器学习已经从仅仅一个研究主题变成了我们每天都与之互动的技术，几乎触及地球上的每个行业。但面向生产的工具和工作流尚未赶上。软件在完善工作流程和开发人员工具上（主要是为了提高稳定性）已经积累了五十多年的经验，但我们仍然每天都会遇到bug。
机器学习（尤其是深度学习）看起来像软件，因为它可以在计算机上运行，但是它实际上打破了我们在软件领域惯用的许多假设。与传统软件不同，机器学习模型没有易于解释的逻辑。而且，它庞大，且无法逐步扩展，因此软件式的版本控制无法很好地发挥作用。此外，机器学习模型最好建立在特别的芯片、GPU和现在的TPU上，这样就导致在最低层次上打破了整个软件抽象的栈——硬件、操作系统、库应用程序。这样的例子不胜枚举。
事实上，这意味着，大多数负责任的机器学习从业人员和团队在构建安全、可靠、可审核的生产系统时，最终都会构建自己的专用工具，来解决几十年前软件应用程序解决的问题。例如，地球上恐怕没有哪家公司在部署生产软件时是没有某种版本控制的。但是大多数《财富》 500强机器学习团队并没有使用系统的版本控制，这使得跟踪模型是根据哪些数据进行训练的，甚至在给定的时间点上什么模型在生产中运行，变得异常困难。
对于模型构建者来说，这不仅仅是不便的问题。归根结底，如果没有系统地跟踪模型，就无法确保模型的安全性。
为什么Weights and Biases工具是独一无二的
我相信我们可以很好地解决这些问题。
MLOps中的第一批公司专注于自上而下的销售，使工程技术经理们相信，他们可以通过端到端平台来解决再现性和可靠性问题。只要整个团队都认同平台和流程，很多改进都是可能的。但优秀的机器学习从业者会感觉受到端到端平台的限制。机器学习最佳实践变化迅速，没有一家公司可以凭一己之力解决所有问题。在过去的几十年中，像Github和Data Dog这样成功的软件开发公司，都不是这样工作的。它们解决特定的问题，并专注于开发人员��而不是管理人员）的使用体验。归根结底，软件管理人员的最大痛点就是如何让他们的优秀的开发人员高兴。在机器学习中，尤为如此。如果您的公司没有使用机器学习从业者喜欢的工具，那么您就没有机会拥有一支强大的机器学习团队。这就是为什么我认为自上而下的销售在MLOps中行不通，并且从长远来看，这些公司不会成功。
在我看来，MLOps的下一批公司就像是开发团队为开发团队构建的产品。他们对硬件和底层软件的工作原理有详细的了解。
当我看到我们支持和系统化ML团队中已经出现的非正式协作模式时，我为我们的工具感到自豪。用W＆B报告进行科学调试(Science of Debugging with W&B Reports)中给出了一个例子，其中Sarah Jane详细介绍了Latent Space如何利用我们的工具建立了更好的模型。
我们未来的方向
现在行业迫切需要更好的工具。我们的融资使我们能够在构建高质量软件的同时，尽快解决这些需求。
Weights and Biases最初是作为实验跟踪工具开始的，我们为有如此多人依赖它而感到自豪。于此同时，我们的用户不断要求我们解决他们日常工作中的其他痛点。
我们希望尽可能地解决ML从业人员工作流程中的所有问题。去年，我们推出了sweeps（一种轻量级的超参数优化工具），并推出了artifacts（一种可用于跟踪模型和数据集的版本控制系统）。今年，我们计划推出模型评估和预测可视化工具，并且我们还有很多工作要做。
我们是早期的市场领导者。我们将继续努力，了解我们的客户并提供有用的产品。如果您有兴趣加入我们，尝试使用我们的工具，或对我们的工具有任何反馈，请随时与我们联系。您可以从下面几个选择开始：
