Dengan valuasi sebesar US$1 miliar, Imbue mengumpulkan pendanaan sebesar US$200 juta untuk menuju ke tahap Agen berikutnya.

Sumber asli: SenseAI

Sumber gambar: Dihasilkan oleh AI Tanpa Batas‌

Model-model besar berada dalam kondisi yang tidak menguntungkan, namun kegilaan pembiayaan ke arah Agen tampaknya masih berjalan lancar. Imbue baru-baru ini menerima pembiayaan Seri B sebesar US$200 juta, dan valuasinya telah melampaui US$1 miliar. Investor utamanya adalah Astera Institute, sebuah organisasi nirlaba yang didirikan oleh miliarder cryptocurrency Jed McCaleb. Pada saat yang sama, Nvidia, Kyle Vogt, CEO perusahaan self-driving General Motors, Cruise, dan salah satu pendiri Notion, Simon Last, juga merupakan investor utama. investor dalam putaran pembiayaan ini. Investor telah membantu Imbue tumbuh menjadi unicorn baru di bidang AI. Model bahasa besar mungkin tidak mampu bersaing dengan Open AI, namun jika menyangkut Agen, sulit untuk mengatakan siapa yang akan menjadi “OpenAI” di bidang ini.

Sebagai perusahaan start-up di bidang Agen AI, Imbue lebih seperti laboratorium penelitian kecerdasan buatan yang berorientasi pada teknologi, dimulai dari skenario pemrograman dan berkomitmen untuk melatih kemampuan penalaran model sehingga siapa pun dapat menyesuaikan kecerdasan buatannya sendiri. agen.

Meski valuasinya sebesar US$1 miliar sudah menjadi yang terdepan, Imbue sendiri masih dalam tahap yang sangat awal, dengan hanya 20 karyawan dan belum ada produk yang matang. Hal ini juga erat kaitannya dengan nilai-nilai perusahaan. Para pendiri mengatakan jalan komersialisasi Imbue masih panjang. Selama proses pembiayaan, mereka sengaja menghindari pertemuan dengan perusahaan modal ventura. Organisasi nirlaba akan lebih bersabar dengan pertumbuhan perusahaan.

Tim Imbue kecil, tetapi anggota tim memiliki latar belakang yang sangat beragam dan memiliki pengalaman yang kaya dalam bidang AI, ilmu saraf, fisika plasma, dan disiplin ilmu lainnya.

Sense berkata: Perlu dicatat bahwa Imbue adalah salah satu dari sedikit startup AI yang dipimpin oleh pengusaha perempuan. Pendiri Kanjun berfokus pada "manusia", "budaya", dan organisasi sosial, serta berkomitmen untuk mewujudkan kecerdasan umum dengan memahami cara berpikir mesin. Setelah lulus, Kanjun bergabung dengan Dropbox sebagai Kepala Staf dan mengembangkan perusahaan dari 300 menjadi 1.500 orang. Ia kemudian mendirikan The Archive and Sourceress, sebuah platform rekrutmen AI yang diinvestasikan oleh YC.

Mereka menargetkan jalur Agen, berdasarkan model bahasa berskala ultra-besar, terus meningkatkan kemampuan penalaran AI dan memperkaya skenario agen, berharap untuk mencapai kecerdasan AI lengkap di PC super. Orang dapat mengatur Agen dengan fungsi berbeda sesuai dengan tujuan mereka masing-masing. .Layanan dan pekerjaan kita sehari-hari.

1. Agen yang efisien perlu melatih kemampuan penalaran yang kuat

Mereka mengatakan bahwa sistem AI saat ini sangat terbatas kemampuannya untuk menyelesaikan tugas-tugas sederhana atas nama pengguna, dan meskipun kemajuan pesat dapat diperkirakan terjadi di tahun-tahun mendatang, hal tersebut tidak akan terjadi sampai agen AI dapat mencapai tujuan yang lebih kompleks dengan cara yang benar-benar kuat, cara yang aman dan bermanfaat. , masih banyak pekerjaan yang harus dilakukan.

Penalaran sering kali dianggap sebagai hambatan utama untuk menyelesaikan agen yang efektif. Hal ini melibatkan kemampuan untuk menghadapi ketidakpastian, mengetahui kapan harus mengubah metode, mengajukan pertanyaan, mengumpulkan informasi baru, dan menghadapi situasi kehidupan nyata yang kompleks dan sulit. Kemampuan untuk memprediksi masalah. Untuk menciptakan model inferensi yang andal, Imbue mengadopsi pendekatan "tumpukan penuh": melatih model dasar, membangun agen dan antarmuka eksperimental, menginvestasikan sumber daya pada alat infrastruktur, dan terus mempelajari mekanisme inti pengoperasian model.

• **Lapisan model. ** Model sangat besar yang dilatih oleh Imbue memiliki lebih dari 100 miliar parameter. Berkat investasi NVIDIA, mereka memiliki ** sekitar 10.000 klaster H100 **, yang memungkinkan mereka melakukan segala hal dengan cepat mulai dari data pelatihan hingga arsitektur dan mekanisme inferensi. Iterasi - tentang jumlah prosesor yang sama yang digunakan OpenAI untuk melatih GPT-3.

• **Lapisan agen. ** Saat ini, Imbue terutama mengembangkan agen untuk pengkodean internal, dan juga menginkubasi lebih banyak arahan agen.

• **Lapisan antarmuka. **Antarmuka obrolan AI saat ini pada dasarnya skeuomorfik. Tim percaya bahwa ini belum tentu merupakan cara terbaik untuk berinteraksi. Antarmuka interaktif baru mungkin dapat mengatasi ketangguhan Agen, kemampuan kolaborasi, dan rasa percaya dengan lebih baik. Mereka dapat memahami dunia dan menjadi lebih realistis.

• **Lapisan alat. ** Imbue menginvestasikan banyak sumber daya dalam sistem internal, baik itu pemeriksaan kesalahan atau halaman visualisasi untuk agen dan model. Meningkatkan konstruksi alat efisiensi dapat membuat keseluruhan proses lebih visual, dan pada saat yang sama, dapat menyuntikkan ide-ide segar ke dalam alat produk eksternal.

• **Tingkat teoritis. **Peneliti Imbue telah menerbitkan artikel tentang dasar teori pembelajaran yang diawasi mandiri dan hukum dasar pembelajaran sistem seperti pengendalian jaringan saraf. Mereka percaya bahwa hanya dengan memahami teori pembelajaran mendalam secara mendalam kita dapat lebih memahami mekanisme inti di balik proses pembelajaran model bahasa besar. .

Pendekatan "tumpukan penuh" ini secara bertahap membentuk siklus maju. Merancang agen dan alat yang dapat digunakan secara internal dapat membantu Imbue melakukan iterasi pada model yang lebih baik dengan lebih cepat, sehingga membuka lebih banyak agen yang berguna dan menciptakan model yang lebih baik. Meneliti teori dapat meningkatkan pemahaman tentang jaringan saraf, yang kemudian dapat menghasilkan desain arsitektur model yang lebih baik.

2. Kembangkan dengan Agen pengkodean sebagai titik masuk

Imbue memilih skenario pengkodean sebagai titik masuk Agen sejak awal, terutama karena:

• **Penggunaan adalah kondisi yang diperlukan untuk inovasi. **Ketika produk yang dikembangkan sering digunakan dalam pekerjaan sehari-hari, maka produk tersebut dapat mendapat perhatian yang cukup dan informasi yang cukup dapat diperoleh untuk optimasi selanjutnya.

• **Memecahkan masalah pengkodean dapat meningkatkan kemampuan penalaran model. **Mungkin karena kode adalah salah satu dari sedikit contoh inferensi eksplisit di Internet, pelatihan dengan kode sering kali dapat meningkatkan kemampuan inferensi model. Dan karena masalah pemrograman sangat obyektif (kodenya lolos pengujian atau tidak), masalah ini merupakan tempat pengujian yang ideal untuk memahami apakah perbaikan yang berarti terhadap sistem yang mendasarinya sedang dilakukan.

• **Keterampilan coding penting untuk penyelesaian masalah akhir. **Membuat kode adalah cara efektif bagi Agen untuk memecahkan masalah. Kemampuan pengkodean yang lebih baik diterjemahkan secara langsung menjadi agen yang lebih mungkin berhasil menyelesaikan tugas-tugas kompleks. (Misalnya, agen yang menulis kueri SQL untuk informasi dalam tabel lebih mungkin memenuhi permintaan pengguna dibandingkan agen yang mencoba mengumpulkan informasi yang sama tanpa menggunakan kode apa pun.)

• **Agen Pengkode memiliki arti strategis yang penting. ** Ketika agen meningkatkan dan mengambil alih lebih banyak pekerjaan kami, kecepatan penelitian dan rekayasa di Imbue Corporation juga meningkat. Hal ini tidak hanya membantu membangun sistem perangkat lunak, namun juga memungkinkan langkah pembuatan prototipe berikutnya dengan bantuan kemampuan mengkode Agen.

Namun Imbue saat ini tidak berencana untuk membuka Agen pengkodean, itu menjadi cara untuk meningkatkan agen. Saat produk matang, alat dan model yang sesuai akan dipublikasikan.

Saat kami membangun agen kecerdasan buatan, kami sebenarnya sedang membangun PC cerdas yang memahami tujuan kami, berkomunikasi secara proaktif, dan bekerja untuk kami di latar belakang. Saat ini, kita tidak dapat hidup tanpa komputer karena sulit melakukan apa pun jika kita tidak berada di depannya. Agen AI yang benar-benar berguna akan mengubah hal ini secara mendasar, memungkinkan kita untuk fokus pada hal-hal yang benar-benar kita pedulikan.

Inilah visi Imbue: **Kami ingin membangun komputer pribadi sejati yang memberi kami kebebasan, martabat, dan hak pilihan untuk melakukan apa yang kami sukai. **

“Jika kita membangun teknologi ini dengan bijaksana, kita dapat hidup di dunia di mana kita tidak perlu lagi terpaku pada layar, dan komputer dapat membantu kita menghilangkan hambatan antara ide dan eksekusi. Kita akan bebas mengeksplorasi keingintahuan kita dan menemukan solusinya. rutinitas alam semesta, menciptakan karya seni, mengenal satu sama lain lebih dalam, atau sekadar meluangkan waktu untuk menikmati hidup.”

Pada saat yang sama, Imbue juga sangat memperhatikan risiko keamanan AI dan telah melakukan pekerjaan di tiga bidang:

• Rancang agen AI untuk berpikir dalam bahasa alami dan sepenuhnya disesuaikan dengan tujuan pengguna akhir.

• Menerapkan prinsip-prinsip dasar pembelajaran mendalam untuk meningkatkan pemahaman tentang sistem kecerdasan buatan yang paling penting saat ini.

• Mengembangkan alat bagi pembuat kebijakan untuk memahami beragam rekomendasi peraturan dan menerjemahkannya ke dalam kebijakan yang melindungi masyarakat.

Referensi