Odyssey hæver 310 millioner dollars i serie B-finansiering til en vurdering på 1,45 milliarder dollars for at fremme AI-verdensmodeller

Kapløbet om at bygge den næste generation af kunstig intelligens bevæger sig mere og mere ud over sprog. Odyssey, et Palo Alto-baseret AI-forskningslaboratorium, der fokuserer på verdensmodeller, har hævet 310 millioner dollars i serie B-finansiering til en vurdering på 1,45 milliarder dollars. Runden blev ledet af Natural Capital og inkluderede deltagelse fra Amazon (AMZN ), AMD Ventures, GV, EQT, In-Q-Tel (IQT) og flere eksisterende investorer, hvilket placerer virksomheden blandt de mest kraftigt finansierede startups, der forfølger AI-systemer, der kan forstå og simulere den fysiske verden.

Odyssey blev grundlagt af selvstyrende teknologi-veteraner Oliver Cameron og Jeff Hawke og udvikler AI-modeller, der er designet til at lære årsagssammenhæng, fysik og miljødynamik i stedet for at fokusere udelukkende på sproggenerering. Virksomheden mener, at disse systemer kan føre til gennembrud i brancher som robotteknologi, spil, videnskab, sundhedsvesen, uddannelse, forsvar og andre industrier.

En voksende indsats på verdensmodeller

Mens store sprogmodeller har domineret AI-samtalen i de seneste år, ser mange forskere verdensmodeller som et kritisk næste skridt. I modsætning til sprogmodeller, der primært forudsiger ord, forsøger verdensmodeller at forudsige, hvordan miljøer udvikler sig over tid og hvordan objekter interagerer med hinanden.

Dette tilgang har tiltrukket øgende opmærksomhed fra nogle af branchens mest indflydelsesrige personer. Virksomheder og forskningsgrupper, der spænder fra Google DeepMind og Waymo til nye startups, har nylig investeret kraftigt i verdensmodel-forskning, hvilket afspejler en bredere overbevisning om, at fremtidige AI-systemer vil kræve en dybere forståelse af den fysiske verden.

Odysseys ledelse argumenterer for, at sprog alene ikke kan fange mange aspekter af virkeligheden, herunder fysisk dynamik, menneskelig adfærd, kroppssprog og årsag-virkning-forhold. Virksomheden ser verdensmodeller som en ny kategori af grundlæggende modeller, der kan understøtte en langt bredere række af virkelige anvendelser.

AWS bliver Odysseys foretrukne sky-partner

I forbindelse med finansieringsmeddelelsen afslørede Odyssey en strategisk partnerskab med Amazon Web Services. AWS vil blive virksomhedens foretrukne sky-udbyder, og Odyssey planlægger at implementere AWS Trainium-chips sammen med andet hardware til at træne og køre deres stadig mere krævende modeller.

Partnerskabet fremhæver en opblomstrende slagmark inden for AI-industrien. Da efterspørgslen på AI-regnekapacitet fortsætter med at vokse, konkurrerer sky-udbydere og chip-fabrikanter om at tilbyde alternativer til Nvidias dominerende GPU-økosystem. For Amazon repræsenterer Odyssey en højprofileret kunde, der kan teste Trainium-hardware på nogle af de mest beregningsintensive AI-arbejdsbyrder, der i øjeblikket udvikles.

Verdensmodeller kræver enorme beregningsressourcer, da de skal generere konsistente, interaktive simulationer og samtidig opretholde en forståelse af fysiske love og langsigtede miljødynamik. Evnen til at træne disse systemer effektivt kan blive en stor konkurrencemæssig fordel, da feltet modnes.

Bygning mod et “GPT-3-øjeblik” for verdensmodeller

Odyssey har brugt de sidste tre år på at udvikle stadig mere avancerede verdensmodel-systemer. Ifølge virksomheden har hver succesiv udgave udvidet AI-genererede simulationers kapaciteter.

Deres Odyssey-2-model fokuserede på at forbedre fysisk realisme og miljøkonsistens. Odyssey-2 Max gik videre i fysikbaseret simulation og realtid-interaktivitet, med målet at skabe miljøer, der opfører sig mere som den virkelige verden end blot at generere visuelt overbevisende video.

Virksomheden har også introduceret flere bemærkelsesværdige forskningsprojekter. Starchild-1 bragte multimodale funktioner ind i verdensmodellering ved at kombinere visuel og lydforståelse. Agora-1 muliggjorde, at flere mennesker og AI-agenter kunne interagere inden for en delt simuleret miljø i realtid. PROWL demonstrerede, hvordan verdensmodeller kan forbedres gennem aktiv udforskning, hvilket giver AI-systemer mulighed for at lære af deres egne erfaringer og fejl.

Sammen repræsenterer disse projekter Odysseys indsats for at gå ud over statiske AI-generering og udvikle systemer, der kan forstå og interagere med dynamiske miljøer.

Odysseys ledelse mener, at feltet nærmer sig et stort vendingpunkt, lignende det øjeblik, hvor GPT-3 demonstrerede potentialet for store sprogmodeller. Den nye finansiering er ment til at give den infrastruktur, beregningsressourcer og forskningskapacitet, der er nødvendig for at forfølge dette mål.

De fremtidige implikationer af verdensmodeller

Hvis verdensmodeller fortsætter med at forbedre sig, kan deres indvirkning strække sig langt ud over i dagens AI-chatbots og indholdsgenereringssystemer. En af de mest umiddelbare anvendelser kan være inden for robotteknologi, hvor maskiner skal forstå fysiske miljøer, forudsige resultater og tilpasse sig til ændrede betingelser i realtid. I stedet for at afhænge af dyre virkelige tests kan fremtidige robotter blive trænet omfattende inden for meget realistiske simulationer, før de indsættes.

Teknologien kan også omforme industrier, der afhænger kraftigt af modellering af komplekse systemer. I sundhedssektoren kan forskere bruge verdensmodeller til at simulere sygdomsforløb eller teste behandlingsstrategier. I videnskabelig forskning kan de hjælpe med at modellere kemiske reaktioner, klimasystemer eller biologiske processer, der er svære, dyre eller tidskrævende at studere direkte. Autonome køretøjer, logistiknetværk og industrielle automatiseringssystemer kan ligeledes drage fordel af AI, der kan forudsige, hvordan virkelige miljøer vil udvikle sig over tid.

Spil repræsenterer endnu et område, hvor verdensmodeller kan have en betydelig indvirkning. I stedet for at afhænge af manuelt oprettede miljøer og skriptede interaktioner kan fremtidige spil muligvis indeholde AI-genererede verdener, der udvikler sig dynamisk og reagerer intelligently på spillernes adfærd. Lignende funktioner kan til sidst blive brugt til træningssimulationer inden for områder som luftfart, forsvar, nødhjælp og uddannelse.

Trods det løfte, der er i verdensmodeller, er der stadig betydelige tekniske udfordringer. At skabe simulationer, der nøjagtigt afspejler kompleksiteten af den fysiske verden, kræver enorme beregningsressourcer, enorme mængder træningsdata og fremskridt i forståelse og langsigtede forudsigelser. Om verdensmodeller ultimativt bliver en grundlæggende lag i fremtidige AI-systemer, er stadig et åbent spørgsmål, men den voksende investering på tværs af sektoren tyder på, at mange forskere ser dem som en af de vigtigste grænseflader ud over sprogmodeller.