Компания Imbue, ранее известная как Generally Intelligent, привлекла 200 миллионов долларов в рамках раунда финансирования серии B, оценив компанию более чем в 1 миллиард долларов. В раунде приняли участие Astera Institute, Nvidia, генеральный директор Cruise Кайл Вогт и сооснователь Notion Саймон Ласт.
Это новое финансирование увеличило общий объем привлеченных Imbue средств до 220 миллионов долларов, что ставит компанию в один ряд с наиболее финансируемыми AI-стартапами последних месяцев. Объем средств Imbue лишь немного уступает объему привлеченных средств компанией AI21 Labs (283 миллиона долларов), тель-авивским стартапом, разрабатывающим ряд инструментов для генерации текста на основе ИИ, а также компаниями в области генеративного ИИ, такими как Cohere (435 миллионов долларов) и Adept (415 миллионов долларов).
«Это новое финансирование ускорит нашу разработку систем ИИ, способных рассуждать и программировать, чтобы они могли помочь нам достичь более масштабных целей», — написала Imbue в блог-посте, опубликованном сегодня утром. «Наша цель по-прежнему одна — создать практичных агентов ИИ, которые могут достигать больших целей и безопасно работать для нас в реальном мире».
Imbue вышла из режима скрытой разработки в октябре прошлого года с амбициозной целью: исследовать основы человеческого интеллекта, которых в настоящее время не хватает машинам. Как сообщалось ранее, план компании заключался в том, чтобы превратить «основы» в набор задач, которые необходимо решить, и разработать различные ИИ-модели, протестировав их способность обучаться решению этих задач в сложных трехмерных мирах, созданных командой Imbue.
Подход компании, похоже, несколько изменился с тех пор. Вместо того, чтобы отпускать ИИ в 3D-миры, Imbue говорит, что она разрабатывает модели, которые она считает «внутренне полезными» с самого начала, включая модели, которые могут программировать (вроде GitHub Copilot и Amazon CodeWhisperer).
Многие модели умеют программировать. Но то, что отличает модели Imbue, по словам компании, это их способность к «устойчивому логическому мышлению».
«Мы считаем, что логическое мышление — это основное препятствие для эффективных агентов ИИ», — написала Imbue в блог-посте. «Устойчивое логическое мышление необходимо для эффективных действий. Оно включает в себя способность иметь дело с неопределенностью, знать, когда нужно изменить подход, задавать вопросы и собирать новую информацию, просчитывать сценарии и принимать решения, выдвигать и отбрасывать гипотезы, и в целом справляться со сложной, труднопредсказуемой природой реального мира».
Imbue также считает, что код — это важный случай использования, помимо того, что он позволяет ее команде создавать ИИ-приложения в больших масштабах. В блог-посте компания приводит аргументы в пользу того, что код может улучшить логическое мышление и является одним из наиболее эффективных способов выполнения моделей действий на машине.
«Агент, который пишет SQL-запрос для извлечения информации из таблицы, с большей вероятностью удовлетворит запрос пользователя, чем агент, который пытается собрать эту же информацию без использования какого-либо кода», — написала компания. «Более того, обучение на коде помогает моделям лучше рассуждать; обучение без кода, похоже, приводит к моделям, которые плохо рассуждают».
Эта философия не сильно отличается от подхода Adept, которая стремится создать ИИ, способный автоматизировать любой программный процесс. Google DeepMind также исследовала подходы для обучения ИИ управлению компьютерами, например, путем наблюдения агентом ИИ за нажатиями клавиш и движениями мыши людей, выполняющих компьютерные задачи типа «следования инструкциям», такие как бронирование авиабилетов.
Imbue утверждает, что их модели «заточены» под логическое мышление, в том смысле, что они обучаются на данных, чтобы «укрепить хорошие стратегии рассуждений», а также используют методы, которые тратят «гораздо больше вычислительных ресурсов во время вывода», чтобы прийти к «устойчивым выводам и действиям».
В частности, Imbue обучает «очень большие» модели — модели с более чем 100 миллиардами параметров — оптимизированные для высокой производительности на внутренних тестах компании для оценки логического мышления. («Параметры» — это части модели, извлеченные из обучающих данных, которые, по сути, определяют навык модели в решении задачи, например, генерации текста или кода). Это обучение проводится на вычислительном кластере, спроектированном совместно с Nvidia и содержащем 10 000 GPU серии H100 от Nvidia.
Imbue также инвестирует в создание собственных инструментов ИИ и машинного обучения, таких как ИИ-прототипы для отладки и визуальные интерфейсы на основе ИИ-моделей. Компания также проводит исследования процессов обучения в больших языковых моделях.
Imbue не намерена внедрять в производство большую часть того, над чем работает в настоящее время. Скорее, компания рассматривает эти инструменты и модели как способ улучшить будущий, более универсальный ИИ, а также заложить основу для платформы, которой люди смогут воспользоваться для создания собственных пользовательских моделей.
«Когда мы создаем агентов ИИ, мы фактически создаем компьютеры, которые могут понимать наши цели, общаться проактивно и работать для нас в фоновом режиме», — продолжает Imbue в блог-посте. «В конечном итоге мы надеемся выпустить системы, которые позволят каждому создавать надежных пользовательских агентов ИИ, предоставляя производительную мощь ИИ всем желающим… Это новое финансирование ускорит нашу разработку систем ИИ, способных рассуждать и программировать, чтобы они могли помочь нам достичь более масштабных целей в мире».