Tidligere Anthropic-forskere lancerer Mirendil med en vurdering på 1 milliard dollars efter en seed-runde på 200 millioner dollars

Tidligere Anthropic-forskere har lanceret Mirendil med et ambitiøst mål: at udvikle kunstig intelligenssystemer, der kan accelerere AI-forskning i sig selv. San Francisco-baseret startup er kommet ud af stealth-modus med en $200 millioner seed-finansieringsrunde til en vurdering på 1 milliard dollars, en af de største seed-finansieringer, der nogensinde er blevet annonceret af en AI-startup. Runden blev co-ledt af Andreessen Horowitz og Kleiner Perkins, med deltagelse fra NVIDIA.

Founded af Behnam Neyshabur og Harsh Mehta, der tidligere arbejdede sammen på både Google (GOOGL ) og Anthropic, tror Mirendil, at det næste spring i kunstig intelligens vil komme fra systemer, der er designet til at hjælpe videnskabsmænd og ingeniører med at bygge bedre AI-modeller, snarere end blot at fungere som slutbrugerassistenter.

Ifølge virksomheden er deres langsigtede vision at demokratisere frontier AI-forskning ved at gøre avancerede forskningsmuligheder tilgængelige ud over en håndfuld vel-finansierede AI-laboratorier.

Bygning af AI til AI-forskning

I stedet for at fokusere på forbrugerchatbots eller virksomhedsproduktivitetssoftware beskriver Mirendil sig selv som et frontier AI-laboratorium, der udvikler systemer, der excellerer i AI-forskning og udvikling.

Virksomhedens tes er, at mange videnskabelige gennembrud begynder med, at forskere bygger dyb ekspertise over lange perioder. Mirendil sigter mod at skabe AI-systemer, der kan udvikle og akkumulere denne ekspertise, så videnskabsmænd kan accelerere forskning på specialiserede domæner.

I stedet for blot at generere svar er disse systemer designet til at hjælpe forskere hele vejen igennem den videnskabelige proces, med at udvikle stadig mere kapable AI-modeller, der kan tilpasses for fag som biologi, kemi, medicin, materialsvidenskab og robotik.

Demokratisering af Frontier AI

En af Mirendils kerneargumenter er, at i dag er frontier AI-udvikling blevet koncentreret inden for en relativt lille gruppe organisationer med enorme computermæssige ressourcer.

Virksomheden mener, at mange universiteter, startups, medicinalvirksomheder, forskningsinstitutter og industrielle laboratorier kunne gøre hurtigere videnskabelig fremgang, hvis de havde adgang til AI-systemer, der specifikt er designet til at accelerere forskning, snarere end generelle sprogmodeller.

I stedet for at erstatte videnskabsmænd forestiller Mirendil sig, at AI kan fungere som en forskningspartner, der hjælper eksperter med at iterere hurtigere, udforske flere hypoteser og udvikle stadig mere specialiserede modeller for deres egne fag.

Et hold trukket fra førende AI-laboratorier

Mirendils grundlæggende hold afspejler den voksende migration af erfarne forskere fra store AI-laboratorier til uafhængige startups.

CEO Behnam Neyshabur har tidligere konduktet forskning på Google, før han sluttede sig til Anthropic, mens CTO Harsh Mehta også arbejdede som forskningsspecialist på Anthropic. Det bredere grundlæggende hold inkluderer Shayan Salehian, en tidlig medlem af xAI, og Tara Rezaei, en MIT-uddannet. Sammen har virksomheden samlet omkring 20 forskere og ingeniører med baggrund i Anthropic, OpenAI, Google DeepMind og xAI.

En anden tilgang til AI-infrastruktur

Mirendils website understreger, at deres mission går ud over at bygge endnu en grundlæggende model. I stedet sigter virksomheden mod at redesigne forskningsprocessen selv ved at udvikle systemer, der hjælper ingeniører og videnskabsmænd med at udføre AI-forskning mere effektivt.

Startuppet siger, at det bygger frontier-modeller sammen med nye forskningsarbejdsgange, der er designet til at skabe selvforbedrende AI-systemer, der kontinuerligt forbedrer videnskabelig og teknologisk udvikling. Virksomheden mener, at denne tilgang kan gøre avanceret AI-forskning tilgængelig for organisationer, der arbejder på problemer, der spænder fra lægemiddelforskning og kemi til biologi og robotik.

Virksomheden planlægger også at udgive sin første model og produkt i de kommende måneder for at indsamle feedback fra forskere og udviklere, mens de forbedrer deres teknologi.

Rekursiv selvforbedring forbliver et kontroversielt område

Mirendils vision krydser en af de mest debatterede koncepter i kunstig intelligens: rekursiv selvforbedring, hvor AI-systemer bidrager til at bygge stadig mere kapable efterfølgere.

Tilhængere argumenterer for, at sådanne systemer kunne dramatisk accelerere videnskabelig opdagelse ved at forkorte forskningscykler og tillade eksperter at fokusere på højere niveau-reasonering. Kritikere, herunder nogle AI-sikkerhedsforskere, har advaret om, at stadig mere autonom AI-udvikling rejser vigtige spørgsmål om tilsyn, kontrol og governance.

Mirendils grundlæggere argumenterer for, at disse udfordringer er svære ingeniørproblemer snarere end uovervindelige barrierer, og fastholder, at tilstrækkeligt robust tilsyn kan tillade rekursiv forbedring at udvikles sikkert.

Hvad finansieringen betyder for fremtiden for AI-forskning

Mirendils usædvanligt store seed-runde understreger den voksende interesse for AI-infrastruktur, der specifikt er designet til forskning snarere end forbrugerapplikationer. Da frontier AI-systemer bliver stadig mere kapable, er det sandsynligt, at der vil være en stigende efterspørgsel efter værktøjer, der kan hjælpe videnskabsmænd og ingeniører med at bygge, evaluere og forbedre specialiserede modeller mere effektivt.

Hvis AI-systemer bliver bedre til at støtte AI-forskning i sig selv, kan organisationer uden for de største frontier-laboratorier – herunder universiteter, medicinalvirksomheder, sundhedsydelser, industrielle producenter og forskningsinstitutter – få adgang til kapaciteter, der tidligere var begrænset til en håndfuld vel-finansierede organisationer. I stedet for at koncentrere AI-udvikling inden for en lille gruppe virksomheder kunne teknologier som dem, der udvikles af Mirendil, muliggøre et bredere økosystem af domænespecifikke AI-modeller tilpasset specialiserede videnskabelige og industrielle udfordringer. Mens der stadig er betydelige tekniske og sikkerhedsbarrierer, signalerer opkomsten af virksomheder, der fokuserer på AI-assisteret AI-udvikling, at den næste fase af innovation kan komme til at dreje sig om at accelerere tempoet af videnskabelig opdagelse i sig selv.