Goodfire宣布获得700万美元的种子轮融资，以推进其揭开生成式人工智能（GenAI）模型神秘面纱的使命。这家初创公司开发的工具使开发人员能够通过深入了解人工智能系统的内部工作原理来调试人工智能系统。Lightspeed Venture Partners领投，Menlo Ventures、South Park Commons、Work-Bench、Juniper Ventures、Mythos Ventures、Bluebirds Capital和几位知名天使投资人参与了该轮融资。这笔资金将用于扩大工程和研究团队，以及增强Goodfire的核心技术。

人工智能模型变得越来越复杂，使它们难以理解和调试。这些模型的黑箱特性给安全可靠的部署带来了重大挑战——麦肯锡2024年的一项调查显示，44%的商业领袖至少经历过一次因意外的模型行为而产生的负面后果。为了解决这个问题，研究人员和开发人员正在转向一种称为机器可解释性的新方法。机器可解释性是对人工智能模型如何推理和决策的研究，旨在详细了解其内部工作原理。

Goodfire的产品是第一个将可解释性研究应用于实际理解和编辑AI模型行为的产品。他们的产品将为开发人员提供对模型内部过程的更深入了解，以及对模型输出的精确控制(类似于对模型进行“脑部手术”)。此外，基于可解释性的方法可以减少对昂贵的再训练或试错提示工程的需求。

Lightspeed Venture（光速创投）合伙人Nnamdi Iregbulem表示：“可解释性正在成为人工智能的关键组成部分。“Goodfire的工具将成为人工智能开发的基本要素，使开发人员能够以全新的方式与模型进行交互。我们支持人工智能堆栈的这一关键层。”

Goodfire团队汇集了人工智能可解释性和初创公司规模方面的专家。“通过使人工智能模型更具可解释性和可编辑性，我们正在为更安全、更可靠、更有益的人工智能技术铺平道路。”

首席执行官Eric Ho此前创立了RippleMatch，这是一家由高盛支持的B轮人工智能招聘初创公司。

首席科学家Tom McGrath曾在DeepMind担任高级研究科学家，在那里他创立了DeepMind的机器可解释性团队。

首席技术官Dan Balsam是RippleMatch的创始工程师，在那里他领导核心平台和机器学习团队将产品扩展到数百万活跃用户。

Nick Cammarata曾是OpenAI的可解释性研究员，他强调了Goodfire工作的重要性:“目前，在前沿研究和可解释性方法的实际应用之间存在着重大差距。Goodfire团队是弥合这一差距的最佳团队。”