Rekursiv Superintelligens indsamler 650 millioner dollars til selvforbedring af AI

Et nyt frontierselskab for kunstig intelligens ved navn Rekursiv Superintelligens er kommet ud af stealth-modus med 650 millioner dollars i finansiering og et usædvanligt ambitiøst mål: at bygge AI-systemer, der kan forbedre sig selv uden direkte menneskelig indgriben.

Selskabet ledes af AI-forskeren og iværksætteren Richard Socher, sammen med en grundlæggende team, der inkluderer fremtrædende forskere fra Google DeepMind, OpenAI, Meta og akademiet.

Startuppet kommer ind på markedet i en tid, hvor AI-industrien hurtigt skifter fra at bygge større sprogmodeller til at udvikle systemer, der kan autonomt resonere, tilpasse sig og muligvis udføre deres egen forskning. Mens de fleste AI-selskaber stadig fokuserer på at forbedre modelpræstationen gennem menneskeledet træning og forstærkning af læring, forfølger Rekursiv Superintelligens noget langt mere eksperimenterende: rekursiv selvforbedring.

Begrebet har længe været diskuteret i AI-kredse som en mulig vej mod superintelligens. I simple termer handler idéen om, at et AI-system kan identificere svagheder i sin egen arkitektur, generere nye tilgange til at løse disse svagheder, teste resultaterne og kontinuerligt forbedre sig selv i en pågående feedback-løkke.

Ifølge Socher kvalificerer de fleste nuværende former for AI-assisteret kodning eller AI-genereret forskning sig ikke som sand rekursiv selvforbedring. I stedet argumenterer han for, at ægte rekursion ville kræve, at hele cirklen af idegenerering, implementering, test og raffinering sker autonomt.

Richard Sochers langsigtede vision for AI

Socher er ikke ny til ambitiøse AI-projekter. Før han grundlagde Rekursiv Superintelligens, blev han bredt kendt som medstifter og administrerende direktør for You.com, et AI-drevet søge- og virksomheds-AI-infrastrukturselskab, der opstod som en tidlig udfordrer til traditionelle søgemaskiner.

You.com fik initialt opmærksomhed for at blande konversations-AI med web-søgning år før generativ AI blev mainstream. Over tid udviklede selskabet sig mod virksomheds-AI-værktøjer, API’er og produktivitetsfokuserede AI-systemer.

Før You.com fungerede Socher som Chief Scientist hos Salesforce (CRM ) og opbyggede en reputation som en af de mest citerede forskere i naturlig sprogbehandling. Hans akademiske arbejde bidrog til grundlæggende teknikker i ord-embedding, kontekstuel sprogforståelse og neurale netværksarkitekturer, der hjalp med at forme moderne AI-systemer.

Rekursiv Superintelligens synes at repræsentere en anden fase i Sochers karriere: mindre fokuseret på kommerciel AI-udvikling og mere fokuseret på grundlæggende gennembrud i intelligensen selv.

Alligevel har Socher modsagt beskrivelsen af selskabet som ren forskningslaboratorium. Han har understreget, at selskabet har til hensigt at udvikle kommercielle produkter og tror, at praktiske anvendelser kan opstå inden for “kvarter, ikke år”.

Den åbne tilgang

En af de centrale koncepter bag Rekursiv Superintelligens er noget, som forskerne kalder “åbne systemer”.

I stedet for at træne modeller mod et enkelt fast mål, genererer åbne systemer kontinuerligt nye miljøer, udfordringer og former for tilpasning. Tilgangen låner inspiration fra biologisk evolution, hvor organismer konstant udvikler sig i respons til ændrede betingelser og konkurrerende tilpasninger.

Selskabets medstifter Tim Rocktäschel arbejdede tidligere med åben AI-forskning hos Google DeepMind, herunder projekter, der involverede generative verdensmodeller og selvforbedrende systemer.

Et eksempel, som Socher diskuterer, involverer “regnbueteam”, en AI-sikkerhedsbegreb, hvor ét AI-system kontinuerligt angriber og tester et andet AI-system for at afsløre svagheder. I stedet for at stole på mennesker til at manuelt teste skadelige kanttilfælde, udvikler to AI-systemer effektivt mod hinanden over millioner af iterationer.

Idéen afspejler en bredere skiftning, der sker på tværs af frontiers AI-forskning: brugen af AI-systemer selv som en del af trænings-, evaluering- og sikkerhedsinfrastrukturen.

Regnekraft kan blive den afgørende ressource

Lanceringen af Rekursiv Superintelligens understreger også en anden voksende realitet inden for AI: den øgede betydning af regnekraftsinfrastruktur.

Da modellerne bliver mere kapable, stiger træningsomkostningerne og kravene til slutning kontinuerligt eksponentielt. Hvis rekursive selvforbedringsystemer til sidst bliver gennemførlige, kan regnekraft blive endnu mere strategisk vigtig, fordi AI-fremgangens hastighed vil blive direkte knyttet til, hvor meget proceskraft kan allokeres til selvforbedringscyklusser.

Socher foreslog, at fremtidige samfund kan stå over for svære beslutninger om, hvor de skal allokerer AI-regnekraftsressourcer, og sammenlignede det med at afgøre, hvilke sygdomme eller videnskabelige problemer, der skal modtage mest komputationsfokus.

Denne ramme understreger, hvordan AI-infrastruktur stadig mere er sammenflettet med geopolitik, energisystemer, halvlederforsyningskæder og national konkurrenceevne.

Investorer fortsætter med at satse på frontiers AI-hold

Størrelsen af finansieringsrunden er også bemærkelsesværdig, given hvor tidligt selskabet endnu er. Rekursiv Superintelligens har ifølge rapporterne færre end 30 ansatte og har endnu ikke udgivet et offentligt produkt, men allerede opnået en multibillion-dollar-værdi.

Runden afspejler en bredere trend i venturekapital, hvor elite AI-forskningstalent selv er blevet en værdifuld aktivklasse. Investorer er stadig mere villige til at satse massive summer på hold med dyb teknisk troværdighed, især forskere forbundet med organisationer som OpenAI, DeepMind og Meta AI.

På mange måder synes markedet at skifte fra at finansiere softwareprodukter til at finansiere potentielle gennembrud i intelligensinfrastruktur selv.

Om rekursiv selvforbedring til sidst viser sig at være gennemførlig, forbliver usikkert. Mange forskere mener, at konceptet kunne transformere AI-udviklingen fuldstændigt, mens andre argumenterer for, at

Men opdukken af Rekursiv Superintelligens signalerer, at nogle af industriens mest indflydelsesrige forskere nu tror, at den næste fase af AI måske ikke blot indebærer, at mennesker bygger klogere modeller. I stedet kan det indebære, at AI-systemer selv deltager direkte i deres egen udvikling.