Avec une valorisation de 1 milliard de dollars, Imbue lève 200 millions de dollars de financement pour mener à la prochaine étape d'Agent.

Source originale : SenseAI

Source de l'image : générée par Unbounded AI‌

Les grands modèles sont tombés en panne, mais l'engouement pour le financement du côté des Agents semble toujours en plein essor. Imbue a récemment reçu un financement de série B de 200 millions de dollars américains et sa valorisation a dépassé le milliard de dollars américains. Le principal investisseur est l'Astera Institute, une organisation à but non lucratif créée par le milliardaire de crypto-monnaie Jed McCaleb. Dans le même temps, Nvidia, Kyle Vogt, PDG de la société de conduite autonome Cruise de General Motors, et le co-fondateur de Notion, Simon Last, sont également investisseurs dans ce cycle de financement. Les investisseurs ont aidé Imbue à devenir une nouvelle licorne dans le domaine de l'IA. Les grands modèles de langage ne seront peut-être pas en mesure de rivaliser avec Open AI, mais lorsqu’il s’agit d’Agent, il est difficile de dire qui sera « OpenAI » dans ce domaine.

En tant que start-up également dans le domaine de l'IA Agent, Imbue s'apparente davantage à un laboratoire de recherche en intelligence artificielle orienté technologie. Il part du scénario de programmation et s'engage à entraîner la capacité de raisonnement du modèle afin que chacun puisse personnaliser son propre agent d’intelligence artificielle.

Bien que sa valorisation d'un milliard de dollars américains soit devenue une référence, Imbue elle-même en est encore à ses débuts, avec seulement 20 employés et aucun produit encore mature. Ceci est également étroitement lié aux valeurs de l'entreprise. Les fondateurs ont déclaré que le chemin vers la commercialisation d'Imbue était encore long. Au cours du processus de financement, ils ont délibérément évité les rencontres avec des sociétés de capital-risque. Les organisations à but non lucratif seront plus patientes avec la croissance de l'entreprise.

L'équipe d'Imbue est petite, mais ses membres ont des parcours très divers et possèdent une riche expérience en IA, en neurosciences, en physique des plasmas et dans d'autres disciplines.

Sense a déclaré : Il convient de noter qu'Imbue est l'une des rares startups d'IA dirigées par des femmes entrepreneures. Le fondateur Kanjun se concentre sur les « personnes », la « culture » et les organisations sociales, et s'engage à réaliser une intelligence générale en comprenant la façon dont les machines pensent. Après avoir obtenu son diplôme, Kanjun a rejoint Dropbox en tant que chef de cabinet et a fait passer l'entreprise de 300 à 1 500 personnes. Il a ensuite fondé The Archive et Sourceress, une plateforme de recrutement d'IA investie par YC.

Ils visent la piste Agent, basée sur des modèles de langage à très grande échelle, améliorant constamment les capacités de raisonnement de l'IA et enrichissant les scénarios d'agent, dans l'espoir d'atteindre une intelligence IA complète dans les super PC. Les gens peuvent définir des agents avec différentes fonctions en fonction de leurs propres objectifs. Les services et notre travail quotidien.

1. Un agent efficace doit développer de solides capacités de raisonnement

Ils affirment que les systèmes d'IA actuels sont très limités dans leur capacité à accomplir des tâches simples pour le compte des utilisateurs, et que même si des progrès rapides peuvent être attendus dans les années à venir, cela ne se produira que lorsque les agents d'IA pourront atteindre des objectifs plus complexes de manière vraiment puissante. manière sûre et utilisable, il reste encore beaucoup de travail à faire.

Le raisonnement est souvent considéré comme le principal obstacle à la réussite d'un agent efficace. Il implique la capacité à faire face à l'incertitude, à savoir quand changer de méthode, à poser des questions, à collecter de nouvelles informations et à faire face à des situations réelles complexes et difficiles. La capacité de prédire les problèmes. Afin de créer des modèles d'inférence fiables, Imbue adopte une approche « full stack » : formation de modèles de base, création d'agents et d'interfaces expérimentaux, investissement de ressources dans des outils d'infrastructure et apprentissage continu des mécanismes de base du fonctionnement des modèles.

• **Couche modèle. ** Les très gros modèles entraînés par Imbue ont plus de 100 milliards de paramètres. Grâce à l'investissement de NVIDIA, ils disposent de ** environ 10 000 clusters H100 **, leur permettant d'exécuter rapidement tout, depuis les données de formation jusqu'à l'architecture et les mécanismes d'inférence. même nombre de processeurs qu’OpenAI a utilisé pour entraîner GPT-3.

• **Couche d'agent. ** Actuellement, Imbue développe principalement des agents pour le codage interne et incube également davantage de directions d'agents.

• **Couche d'interface. ** L'interface de chat AI actuelle est fondamentalement skeuomorphique. L'équipe estime que ce n'est pas nécessairement la meilleure façon d'interagir. La nouvelle interface interactive pourrait être en mesure de mieux prendre en compte la robustesse, les capacités de collaboration et le sentiment de confiance de l'agent. Ils peuvent comprendre le monde et être plus réalistes.

• **Couche d'outils. ** Imbue investit beaucoup de ressources dans les systèmes internes, qu'il s'agisse de vérification des erreurs ou de pages de visualisation pour les agents et les modèles. Améliorer la construction d'outils d'efficacité peut rendre l'ensemble du processus plus visuel et, en même temps, injecter de nouvelles idées. dans des outils de produits externes.

• **Niveau théorique. **Les chercheurs d'Imbue ont publié des articles sur la base théorique de l'apprentissage auto-supervisé et les lois fondamentales de l'apprentissage des systèmes, telles que les réseaux neuronaux de contrôle. Ils pensent que ce n'est qu'en comprenant profondément la théorie de l'apprentissage profond que nous pourrons mieux comprendre le mécanisme central derrière le processus d'apprentissage. de grands modèles de langage. .

Cette approche « full stack » a progressivement formé un cycle forward. La conception d'agents et d'outils pouvant être utilisés en interne peut aider Imbue à itérer plus rapidement sur de meilleurs modèles, débloquant ainsi des agents plus utiles et créant de meilleurs modèles. La recherche théorique peut favoriser la compréhension des réseaux de neurones, ce qui peut ensuite conduire à une meilleure conception des architectures de modèles.

2. Développer avec l'agent de codage comme point d'entrée

Imbue a choisi le scénario de codage comme point d'entrée pour Agent dès le début, principalement parce que :

• **L'usage est une condition nécessaire à l'innovation. **Lorsque les produits développés sont fréquemment utilisés dans le travail quotidien, le produit peut recevoir suffisamment d'attention et suffisamment d'informations peuvent être obtenues pour une optimisation ultérieure.

• **Résoudre des problèmes d'encodage peut améliorer les capacités de raisonnement du modèle. **Peut-être parce que le code est l'un des rares exemples d'inférence explicite sur Internet, la formation avec du code peut souvent améliorer les capacités d'inférence du modèle. Et comme les problèmes de programmation sont très objectifs (le code réussit le test ou non), il constitue un banc d'essai idéal pour comprendre si des améliorations significatives sont apportées au système sous-jacent.

• **Les compétences en codage sont importantes pour la résolution finale du problème. **La génération de code est un moyen efficace pour l'agent de résoudre les problèmes. Une plus grande capacité de codage se traduit directement par un agent plus susceptible de mener à bien des tâches complexes. (Par exemple, un agent qui écrit une requête SQL pour obtenir des informations dans une table est plus susceptible de satisfaire une demande utilisateur qu'un agent qui tente d'assembler les mêmes informations sans utiliser de code.)

• ** L'agent de codage a une importance stratégique importante. ** À mesure que les agents s'améliorent et prennent en charge une plus grande partie de notre travail, la rapidité de la recherche et de l'ingénierie chez Imbue Corporation augmente également. Cela aide non seulement à construire le système logiciel, mais permet également de passer à l'étape suivante du prototypage à l'aide de la capacité de coder l'agent.

Mais Imbue ne prévoit pas actuellement d'ouvrir l'agent de codage, c'est devenu un moyen d'améliorer l'agent. Au fur et à mesure que le produit mûrit, les outils et modèles correspondants seront rendus publics.

Lorsque nous construisons des agents d’intelligence artificielle, nous construisons en réalité des PC intelligents qui comprennent nos objectifs, communiquent de manière proactive et travaillent pour nous en arrière-plan. Aujourd’hui, nous ne pouvons pas vivre sans ordinateurs car il est difficile de faire quoi que ce soit si nous ne sommes pas devant eux. Des agents d’IA vraiment utiles changeront fondamentalement cela, nous permettant de nous concentrer sur les choses qui nous tiennent vraiment à cœur.

Voici la vision d'Imbue : **Nous voulons construire de véritables ordinateurs personnels qui nous donnent la liberté, la dignité et la liberté de faire ce que nous aimons. **

"Si nous construisons cette technologie de manière réfléchie, nous pouvons vivre dans un monde dans lequel nous n'avons plus besoin d'être collés à un écran, et les ordinateurs peuvent nous aider à éliminer les barrières entre les idées et l'exécution. Nous serons libres d'explorer nos curiosités et de découvrir les routine de l’univers, créer de l’art, apprendre à se connaître plus profondément ou simplement prendre le temps de profiter de la vie.

Parallèlement, Imbue porte également une attention particulière aux risques de sécurité de l’IA et a déjà mené des travaux dans trois domaines :

• Concevoir des agents IA pour raisonner en langage naturel et être entièrement conditionnés aux objectifs de l'utilisateur final.

• Poursuivre les principes fondamentaux de l'apprentissage profond pour améliorer la compréhension des systèmes d'intelligence artificielle les plus importants d'aujourd'hui.

• Développer des outils permettant aux décideurs politiques de comprendre le vaste éventail de recommandations réglementaires et de les traduire en politiques qui protègent les personnes.

Les références