Com avaliação de US$ 1 bilhão, a Imbue capta US$ 200 milhões em financiamento para levar à próxima etapa do Agente.

Fonte original: SenseAI

Fonte da imagem: gerada por Unbounded AI‌

Os grandes modelos estão no frio, mas a mania de financiamento na direção dos Agentes parece ainda estar em pleno andamento. A Imbue recebeu recentemente 200 milhões de dólares em financiamento da Série B e a sua avaliação ultrapassou mil milhões de dólares. O principal investidor é o Astera Institute, uma organização sem fins lucrativos criada pelo bilionário da criptomoeda Jed McCaleb.Ao mesmo tempo, Nvidia, Kyle Vogt, CEO da empresa autônoma Cruise da General Motors, e o cofundador da Notion, Simon Last, também são investidores nesta rodada de financiamento.Os investidores ajudaram o Imbue a se tornar um novo unicórnio no campo da IA. Grandes modelos de linguagem podem não ser capazes de competir com a Open AI, mas quando se trata de Agente, é difícil dizer quem será a “OpenAI” neste campo.

Como uma empresa start-up na área de Agente de IA, a Imbue é mais como um laboratório de pesquisa de inteligência artificial orientado para a tecnologia, partindo do cenário de programação e comprometido em treinar as capacidades de raciocínio do modelo para que qualquer pessoa possa personalizar sua própria inteligência artificial agente.

Embora a sua avaliação de mil milhões de dólares tenha chegado ao primeiro plano, a própria Imbue ainda se encontra numa fase muito inicial, com apenas 20 funcionários e ainda sem produtos maduros. Isso também está intimamente relacionado aos valores da empresa. Os fundadores disseram que o caminho da Imbue para a comercialização ainda é longo. Durante o processo de financiamento, eles evitaram deliberadamente reuniões com empresas de capital de risco. As organizações sem fins lucrativos serão mais pacientes com o crescimento da empresa.

A equipe do Imbue é pequena, mas seus membros têm formações muito diversas e rica experiência em IA, neurociência, física de plasma e outras disciplinas.

Sense disse: É importante notar que a Imbue é uma das poucas startups de IA lideradas por mulheres empreendedoras. O fundador Kanjun concentra-se em "pessoas", "cultura" e organizações sociais, e está comprometido em realizar a inteligência geral através da compreensão da maneira como as máquinas pensam. Após a formatura, Kanjun ingressou no Dropbox como chefe de gabinete e expandiu a empresa de 300 para 1.500 pessoas. Mais tarde, fundou o The Archive and Sourceress, uma plataforma de recrutamento de IA investida pela YC.

Eles estão visando a trilha de Agente, com base em modelos de linguagem de escala ultralarga, melhorando constantemente as capacidades de raciocínio de IA e enriquecendo os cenários dos agentes, na esperança de alcançar inteligência de IA completa em super PCs. As pessoas podem definir Agentes com diferentes funções de acordo com seus próprios objetivos. Os serviços e o nosso trabalho diário.

1. Um Agente eficiente precisa treinar fortes capacidades de raciocínio

Eles dizem que os atuais sistemas de IA são muito limitados em sua capacidade de concluir tarefas simples em nome dos usuários e, embora um progresso rápido possa ser esperado nos próximos anos, isso não acontecerá até que os agentes de IA possam atingir objetivos mais complexos de uma forma verdadeiramente poderosa, maneira segura e utilizável., ainda há muito trabalho a ser feito.

O raciocínio é frequentemente considerado o principal obstáculo para completar um agente eficaz. Envolve a capacidade de lidar com a incerteza, saber quando mudar métodos, fazer perguntas, coletar novas informações e lidar com situações complexas e difíceis da vida real. A capacidade de prever problemas. Para criar modelos de inferência confiáveis, o Imbue adota uma abordagem "full stack": treinamento de modelos básicos, construção de agentes e interfaces experimentais, investimento de recursos em ferramentas de infraestrutura e aprendizado contínuo dos principais mecanismos de operação do modelo.

• **Camada modelo. ** Os modelos muito grandes treinados pelo Imbue têm mais de 100 bilhões de parâmetros. Devido ao investimento da NVIDIA, eles têm ** cerca de 10.000 clusters H100 **, permitindo que executem tudo rapidamente, desde dados de treinamento até arquitetura e mecanismos de inferência. Iterações - sobre o mesmo número de processadores que OpenAI usou para treinar GPT-3.

• **Camada de agente. ** Atualmente, a Imbue desenvolve principalmente agentes para codificação interna e também está incubando mais instruções de agentes.

• **Camada de interface. **A atual interface de chat de IA é basicamente skeuomórfica. A equipe acredita que esta não é necessariamente a melhor maneira de interagir. A nova interface interativa pode ser capaz de abordar melhor a robustez, as capacidades de colaboração e o senso de confiança do Agente. Eles podem compreender o mundo e ser mais realistas.

• **Camada de ferramenta. ** A Imbue investe muitos recursos em sistemas internos, seja na verificação de erros ou na visualização de páginas de agentes e modelos. Melhorar a construção de ferramentas de eficiência pode tornar todo o processo mais visual e, ao mesmo tempo, pode injetar novas ideias em ferramentas de produtos externos.

• **Nível teórico. **Pesquisadores da Imbue publicaram artigos sobre a base teórica da aprendizagem autossupervisionada e as leis básicas da aprendizagem de sistemas, como redes neurais de controle. Eles acreditam que somente compreendendo profundamente a teoria da aprendizagem profunda podemos compreender melhor o mecanismo central por trás do processo de aprendizagem de grandes modelos de linguagem.

Essa abordagem “full stack” formou gradualmente um ciclo progressivo. Projetar agentes e ferramentas que possam ser usados internamente pode ajudar o Imbue a iterar modelos melhores com mais rapidez, desbloqueando agentes mais úteis e criando modelos melhores. A pesquisa de teorias pode promover a compreensão das redes neurais, o que pode levar a um melhor design de arquiteturas de modelos.

2. Desenvolva com o agente de codificação como ponto de entrada

A Imbue escolheu cenário de codificação como ponto de entrada para o Agente desde o início, principalmente porque:

• **O uso é uma condição necessária para a inovação. **Quando os produtos desenvolvidos são frequentemente utilizados no trabalho diário, pode-se prestar atenção suficiente ao produto e obter informações suficientes para otimização posterior.

• **Resolver problemas de codificação pode melhorar as capacidades de raciocínio do modelo. **Talvez porque o código seja um dos poucos exemplos de inferência explícita na Internet, o treinamento com código pode muitas vezes melhorar as capacidades de inferência do modelo. E como os problemas de programação são muito objetivos (o código passa no teste ou não), ele forma uma base de testes ideal para entender se estão sendo feitas melhorias significativas no sistema subjacente.

• **Habilidades de codificação são importantes para a resolução final do problema. **Gerar código é uma forma eficaz de o Agente resolver problemas. Maior capacidade de codificação se traduz diretamente em um agente com maior probabilidade de concluir tarefas complexas com êxito. (Por exemplo, um agente que escreve uma consulta SQL para obter informações em uma tabela tem maior probabilidade de satisfazer uma solicitação do usuário do que um agente que tenta reunir as mesmas informações sem usar nenhum código.)

• **O agente de codificação tem um significado estratégico importante. ** À medida que os agentes melhoram e assumem mais do nosso trabalho, aumenta também a velocidade da pesquisa e da engenharia na Imbue Corporation. Isso não apenas ajuda a construir o sistema de software, mas também permite a próxima etapa de prototipagem com a ajuda da capacidade de codificar o Agente.

Mas o Imbue atualmente não planeja abrir o Agente de codificação, tornou-se uma forma de melhorar o agente. À medida que o produto amadurece, as ferramentas e modelos correspondentes serão tornados públicos.

Quando construímos agentes de inteligência artificial, estamos na verdade construindo PCs inteligentes que entendem nossos objetivos, se comunicam de forma proativa e trabalham para nós em segundo plano. Hoje não podemos viver sem computadores porque é difícil fazer alguma coisa se não estivermos diante deles. Agentes de IA verdadeiramente úteis mudarão isso fundamentalmente, permitindo-nos focar nas coisas que realmente nos interessam.

Esta é a visão da Imbue: **Queremos construir verdadeiros computadores pessoais que nos dêem liberdade, dignidade e arbítrio para fazer o que amamos. **

"Se construirmos esta tecnologia cuidadosamente, poderemos viver num mundo onde não precisaremos mais ficar colados a uma tela, e os computadores poderão nos ajudar a remover as barreiras entre ideias e execução. Seremos livres para explorar nossas curiosidades e descobrir o rotina do universo, criar arte, conhecer-se mais profundamente ou simplesmente aproveitar a vida.”

Ao mesmo tempo, a Imbue também está atenta aos riscos de segurança da IA e já realizou trabalhos em três áreas:

• Projetar agentes de IA para raciocinar em linguagem natural e estar totalmente condicionados aos objetivos do usuário final.

• Buscar os princípios fundamentais da aprendizagem profunda para melhorar a compreensão dos sistemas de inteligência artificial mais importantes da atualidade.

• Desenvolver ferramentas para que os decisores políticos compreendam a vasta gama de recomendações regulamentares e as traduzam em políticas que protejam as pessoas.

Referências