Imbue, исследовательская лаборатория искусственного интеллекта, ранее известная как Generally Intelligent, привлекла 200 млн. долл. в рамках серии B финансирования, которая оценивает компанию более чем в 1 млрд. долл. В раунде участвуют Институт Astera, компания Nvidia, генеральный директор компании Cruise Кайл Вогт и соучредитель компании Notion Саймон Ласт.
Благодаря новому траншу общая сумма привлеченных средств Imbue достигла 220 млн. долларов, что ставит ее в ряд наиболее финансируемых ИИ-стартапов последних месяцев. Она лишь немного отстает от компании AI21 Labs (283 млн. долл.), базирующейся в Тель-Авиве и разрабатывающей ряд инструментов для создания текстов, а также от таких поставщиков генеративного ИИ, как Cohere (445 млн. долл.) и Adept (415 млн. долл.).
«Последнее финансирование позволит ускорить разработку систем ИИ, способных рассуждать и кодировать, чтобы они могли помочь нам в достижении больших целей в мире», — пишет Imbue в блоге, опубликованном сегодня утром. «Наша цель остается прежней: создание практичных агентов ИИ, способных достигать больших целей и безопасно работать на нас в реальном мире».
Компания Imbue вышла из режима секретности в октябре прошлого года с амбициозной целью: исследовать основы человеческого интеллекта, которые в настоящее время отсутствуют у машин. План Imbue, как он был представлен TechCrunch, заключался в том, чтобы превратить «основы» в набор задач, которые необходимо решить, разработать различные модели ИИ и проверить их способность научиться решать эти задачи в сложных 3D-мирах, созданных командой Imbue.
С тех пор подход компании, похоже, несколько изменился. По словам представителей Imbue, вместо того, чтобы запускать ИИ в 3D-миры, они разрабатывают модели, которые считают «внутренне полезными», в том числе модели, умеющие кодировать (как GitHub Copilot и Amazon CodeWhisperer).
Многие модели умеют кодировать. Но Imbue отличает от них способность к «надежному рассуждению», утверждает компания.
«Мы считаем, что рассуждения являются основным препятствием для создания эффективных ИИ-агентов», — пишет Imbue в своем блоге. «Надежные рассуждения необходимы для эффективных действий. Оно включает в себя способность справляться с неопределенностью, знать, когда следует изменить свой подход, задавать вопросы и собирать новую информацию, разыгрывать сценарии и принимать решения, выдвигать и отбрасывать гипотезы и вообще справляться со сложной, труднопредсказуемой природой реального мира».
Imbue также считает, что код — это важный вариант использования, позволяющий ее команде создавать ИИ-приложения в масштабе. В своем блоге компания доказывает, что код может улучшить рассуждения и является одним из наиболее эффективных способов выполнения действий моделями на машине.
«Агент, который пишет SQL-запрос для извлечения информации из таблицы, с гораздо большей вероятностью удовлетворит запрос пользователя, чем агент, который пытается собрать ту же информацию без использования какого-либо кода», — пишет компания. «Более того, обучение с использованием кода помогает моделям научиться лучше рассуждать; обучение без кода, похоже, приводит к тому, что модели рассуждают плохо».
Эта философия не отличается от философии компании Adept, которая стремится создать ИИ, способный автоматизировать любой программный процесс. Google DeepMind также изучает подходы к обучению ИИ управлению компьютерами, например, заставляя ИИ наблюдать за командами клавиатуры и мыши, поступающими от людей, выполняющих «инструктивные» компьютерные задачи, такие как бронирование авиабилетов.
Imbue утверждает, что ее модели «созданы специально» для рассуждений, поскольку они обучаются на данных, чтобы «укрепить хорошие модели рассуждений», и используют методы, которые «тратят гораздо больше вычислений во время вывода», чтобы прийти к «надежным выводам и действиям».
В частности, Imbue обучает «очень большие» модели — модели с более чем 100 млрд. параметров, оптимизированные для достижения высоких результатов в своих внутренних эталонах рассуждений. «Параметры» — это части модели, полученные из обучающих данных и, по сути, определяющие мастерство модели в решении той или иной задачи, например, генерации текста или кода. Обучение проводится на вычислительном кластере, совместно разработанном компанией Nvidia и содержащем 10 000 графических процессоров Nvidia серии H100.
Imbue также инвестирует в создание собственных инструментов для ИИ и машинного обучения, таких как прототипы ИИ для отладки и визуальные интерфейсы поверх моделей ИИ. Кроме того, компания проводит исследования в области понимания процесса обучения в больших языковых моделях.
Imbue не планирует выпускать большую часть того, над чем она работает в настоящее время. Скорее, она рассматривает эти инструменты и модели как способ улучшить будущий ИИ общего назначения и заложить основу для платформы, которую люди смогут использовать для создания своих собственных моделей.
«Когда мы создаем агентов ИИ, мы фактически создаем компьютеры, которые могут понимать наши цели, активно общаться и работать на нас в фоновом режиме», — продолжает Имбуэ в своем блоге. «В конечном итоге мы надеемся выпустить системы, которые позволят любому человеку создавать надежные, пользовательские ИИ-агенты, которые дадут продуктивную мощь ИИ в руки каждому… Это последнее финансирование ускорит нашу разработку систем ИИ, которые могут рассуждать и кодировать, чтобы они могли помочь нам достичь больших целей в мире».
