بر اساس گزارش بلومبرگ که در این هفته منتشر شد، ثور گریپل، یکی از محققین AlphaGo که اوایل تابستان امسال آلفابت را ترک کرد، ده‌ها میلیون دلار برای استارت‌آپ جدیدی به نام Metis Reasoning جمع‌آوری می‌کند. این افزایش از سوی یک گروه اولیه کوچک از حامیان، آخرین مورد از موج سرمایه گذاری های به سرعت در حال گسترش است که توسط فارغ التحصیلان DeepMind پایه گذاری شده است و شرط بندی می کنند که جهش بعدی در هوش مصنوعی نه از مدل های زبان بزرگتر بلکه از سیستم هایی حاصل خواهد شد که می توانند برنامه ریزی کنند، عمل کنند و از تجربیات خود بیاموزند.

بلومبرگ گزارش می‌دهد که ساختار و اندازه بودجه همچنان می‌تواند تغییر کند و متیس ریسونینگ می‌تواند یک قسط بیشتر از صدها میلیون دلار را با ارزش‌گذاری بالاتر در دور بعدی جمع‌آوری کند. For more context on this story, see our ongoing more AI stories.

استدلال متیس چه چیزی را می سازد

جزئیات در مورد این شرکت کماکان است، اما خطوط کلی از مطالب خود استارت آپ که توسط بلومبرگ نقل شده است، آمده است. طبق وب سایت خود، متیس ریسونینگ در حال کار بر روی هوش مصنوعی است که می تواند به مشکلات ناآشنا پاسخ دهد و اقدامی را انتخاب کند، با برنامه های کاربردی در رباتیک، علم و مهندسی. شرح پروژه خود Graepel این جاه طلبی را به عنوان آوردن استدلال به سبک AlphaGo به هوش مصنوعی مرزی توصیف می کند، به طوری که ماشین ها می توانند در شرایط عدم قطعیت برنامه ریزی و عمل کنند.

تمایز از سیستم های AI جریان اصلی اساسی است. یک مدل زبان بزرگ کلمه بعدی را از متن نوشته شده توسط انسان پیش بینی می کند. سیستم‌هایی که Metis Reasoning و همتایانش دنبال می‌کنند، از اقدامات خود یاد می‌گیرند و قبل از انجام آن کار را می‌سنجید - الگویی که ریشه در یادگیری تقویتی دارد، روشی که در آن هوش مصنوعی به جای تقلید از نمونه‌های انسانی، از طریق آزمون و خطا بهبود می‌یابد.

اعتبار گریپل به شرط بندی اهمیت می دهد. او یکی از محققین AlphaGo، سیستم برجسته DeepMind بود که بر بازی Go از طریق خودبازی و یادگیری تقویتی تسلط داشت، و بیش از یک دهه را در Google DeepMind سپری کرد تا اینکه تابستان امسال برای تأسیس شرکت ترک کرد.

دیاسپورای DeepMind در حال جمع آوری میلیاردها دلار است

متیس ریسنینگ وارد بخشی از بازار می‌شود که در ماه‌های اخیر شاهد جریان‌های سرمایه فوق‌العاده‌ای بوده است که بیشتر آن از سوی افرادی با همان داستان منشأ لندنی بوده است.

بر اساس گزارش TechCrunch، دیوید سیلور، که تیم یادگیری تقویتی DeepMind را رهبری می‌کرد، در آوریل 1.1 میلیارد دلار با ارزش 5.1 میلیارد دلاری برای استارت‌آپ Ineffable Intelligence خود جمع‌آوری کرد که Sequoia و Lightspeed با هم رهبری دور و Nvidia و Google در میان شرکت‌کنندگان بودند. Yann LeCun که Meta را ترک می‌کند، در ماه مارس با ارزش‌گذاری 3.5 میلیارد دلاری برای آزمایشگاه‌های AMI، که در حال ساخت مدل‌های جهانی است، 1.03 میلیارد دلار جمع‌آوری کرد - سیستم‌هایی که پیش‌بینی می‌کنند محیط چگونه به یک عمل واکنش نشان می‌دهد و به یک ربات اجازه می‌دهد تا گزینه‌ها را قبل از حرکت مقایسه کند، همانطور که TechCrunch و مقاله انجمن جهانی اقتصاد این مفهوم را توصیف کردند.

PYMNTS هفته گذشته گزارش داد که نزدیک به خانه، Emulate، که در ماه آگوست توسط سه کهنه‌کار DeepMind تأسیس شد، در حال مذاکره برای جمع‌آوری 700 میلیون دلاری با ارزش 3.7 میلیارد دلاری است. این سومین آزمایشگاهی خواهد بود که امسال از دفاتر دیپ مایند لندن خارج می شود و صدها میلیون بودجه پشت سر آن است.

چرا سرمایه گذاران به دنبال LLM هستند

موضوع مشترک در میان این سرمایه‌گذاری‌ها این است که قوانین مقیاس‌پذیری که چت‌بات‌های امروزی را تولید می‌کنند، به خودی خود ماشین‌هایی را تولید نمی‌کنند که بتوانند به‌طور قابل اعتمادی در دنیای فیزیکی و علمی عمل کنند. رباتیک، کشف دارو، طراحی مهندسی و تحقیقات علمی همگی نیازمند سیستم‌هایی هستند که می‌توانند موقعیت‌های ناآشنا را مدیریت کنند، برنامه‌ریزی کنند و از پیامدهای اقدامات خود درس بگیرند - قابلیت‌هایی که AlphaGo تقریباً یک دهه پیش در حوزه‌ای محدود نشان داد و استارت‌آپ‌هایی مانند Metis Reasoning اکنون قصد تعمیم آن را دارند.

بلومبرگ همچنین به یک نوآوری تامین مالی همراه با موج استعدادها اشاره می‌کند: دوره‌های تقسیم‌بندی شده، که در آن سرمایه به صورت پلکانی افزایش می‌یابد، در بین استارت‌آپ‌های هوش مصنوعی در حال گسترش است. آزمایشگاه‌های جدید از ارزش‌گذاری بالای سرفصل برای نشان دادن اعتماد و جذب استعدادها استفاده می‌کنند، در حالی که تقسیم کردن دور به حامیان اولیه اجازه می‌دهد تا قبل از اینکه سرمایه‌گذاران بعدی با قیمت‌های پایین‌تری وارد شوند، با قیمت پایین‌تری خرید کنند. ساختار متیس ریسونینگ - یک افزایش اولیه متوسط ​​با صدها میلیون نفر - دقیقاً با این الگو مطابقت دارد.

سمت ریسک دفتر کل به همان اندازه روشن است. هیچ یک از این شرکت‌ها هنوز محصولی را ارسال نکرده‌اند که ارزش‌گذاری آن را توجیه کند، و شکاف بین نشان دادن قابلیت‌های برنامه‌ریزی در معیارها و بکارگیری آن‌ها در رباتیک یا علم همچنان گسترده است. همانطور که PYMNTS در پوشش خود بیان می کند، مجموعه ارزش گذاری بر روی یک نام هیچ لنگری ندارد تا زمانی که محصول یک امتیاز کسب کند.

با این وجود، با افزایش درآمد Graepel، مهاجرت رهبری یادگیری تقویتی DeepMind به آزمایشگاه‌های مستقل اکنون به طور موثر کامل شده است و سرمایه‌گذاران اعلام کرده‌اند که مایلند برای پارادایم جدیدی که رونق هوش مصنوعی مدرن را آغاز کرد، سرمایه‌گذاری کنند. اینکه Metis Reasoning بتواند کتاب بازی اثبات شده AlphaGo را به محصولات تجاری تبدیل کند، تعیین می کند که آیا این اطمینان آینده نگری بوده یا کف. برای پوشش مداوم مسابقه تامین مالی تغییر شکل هوش مصنوعی، بخش اخبار راه اندازی هوش مصنوعی ما را دنبال کنید.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →