Odyssey kerää 310 miljoonaa dollaria sarjan B -rahoituksesta 1,45 miljardin dollarin arvostuksella edistääkseen maailman mallien kehitystä

Kilpailu seuraavan sukupolven tekoälyjärjestelmien kehittämiseksi on yhä enenevissä määrin siirtymässä kielen ulkopuolelle. Odyssey, Palo Altossa sijaitseva tekoälytutkimuslaboratorio, joka on keskittynyt maailman malleihin, on kerännyt 310 miljoonaa dollaria sarjan B -rahoituksesta 1,45 miljardin dollarin arvostuksella. Rahoituksen johtajana toimi Natural Capital ja siihen osallistuivat Amazon (AMZN ), AMD Ventures, GV, EQT, In-Q-Tel (IQT) ja useat olemassa olevat sijoittajat, mikä asettaa yhtiön yhdeksi raskaimmin rahoitetuista startup-yhtiöistä, jotka kehittävät tekoälyjärjestelmiä, jotka voivat ymmärtää ja simuloida fyysistä maailmaa.

Odysseyn perustivat itseohjautuvan teknologian veteraanit Oliver Cameron ja Jeff Hawke. Odyssey kehittää tekoälymallien, jotka on suunniteltu oppimaan kausaliteetti, fysiikka ja ympäristödynamiikka, eikä pelkästään keskity langan generointiin. Yhtiö uskoo, että nämä järjestelmät voivat lopulta mahdollistaa läpimurrot robottiikan, pelien, tieteen, terveydenhuollon, koulutuksen, puolustuksen ja muiden alojen saralla.

Maailman mallien kasvava panostus

Vaikka suuret kielimallit ovat hallinneet tekoälykeskustelua viime vuosina, monet tutkijat pitävät maailman malleja tärkeänä seuraavana askelena. Toisin kuin kielimallit, jotka ennustavat lähinnä sanoja, maailman mallit pyrkivät ennustamaan, miten ympäristöt kehittyvät ajan myötä ja miten objektit vuorovaikuttavat toistensa kanssa.

Tämä lähestymistapa on herättänyt kasvavaa huomiota alan vaikuttavimmilta henkilöiltä. Yritykset ja tutkimusryhmät, kuten Google DeepMind ja Waymo, sekä uudet startup-yhtiöt ovat viime aikoina investoineet voimakkaasti maailman mallien tutkimukseen, mikä heijastaa laajempaa uskomusta, että tulevaisuuden tekoälyjärjestelmiin tarvitaan syvempi ymmärrys fyysistä maailmaa.

Odysseyn johto argumentoi, että kieli yksinään ei voi kaikkia todellisuuden puolia, kuten fysiikan dynamiikkaa, ihmisen käyttäytymistä, kehon kieltä ja syy-seuraussuhteita. Yhtiö pitää maailman malleja uutena perusmallien kategoriassa, joka voi tukea laajempaa valikoimaa todellisen maailman sovelluksia.

AWS:stä tulee Odysseyn suosittu pilvipalvelu

Rahoituksen ilmoituksen yhteydessä Odyssey paljasti strategisen kumppanuuden Amazon Web Servicesin (AWS) kanssa. AWS:stä tulee yhtiön suosittu pilvipalvelu, ja Odyssey aikoo käyttää AWS Trainium -suorittimia muiden laitteiden ohella koulutus- ja suoritustarkoituksiin kasvavalle tekoälymallilleen.

Kumppanuus korostaa tekoälyteollisuuden uutta taistelukenttää. Tekoälylaskennan kysynnän jatkuessa pilvipalveluntarjoajat ja suoritinvalmistajat kilpailevat vaihtoehtojen tarjoamisesta Nvidian hallitsevalle GPU-ekosysteemille. Amazonille Odyssey edustaa korkean profiilin asiakasta, joka voi testata Trainium-laitteita tekoälyteollisuuden vaativimmilla tehtävillä.

Maailman mallit vaativat valtavat laskentaresurssit, koska niiden on kyettävä tuottamaan johdonmukaisia, vuorovaikutteisia simulaatioita ja ymmärtämään fysiikan lakeja ja pitkän aikavälin ympäristödynamiikkaa. Näiden järjestelmien kouluttamisen tehokkuus voi muodostua merkittäväksi kilpailuedoksi, kun ala kypsyy.

Rakentaminen kohti “GPT-3 -hetkeä” maailman malleille

Odyssey on viime vuosien aikana kehittänyt yhä monimutkaisempia maailman malleja. Yhtiön mukaan jokainen uusi julkaisu on laajentanut tekoälysimulaatioiden kykyjä.

Odyssey-2-malli keskittyi parantamaan fyysistä realismin ja ympäristön johdonmukaisuutta. Odyssey-2 Max -malli pyrki edelleen fysiikkaan perustuvaan simulaatioon ja reaaliaikaiseen vuorovaikutukseen, tavoitteena luoda ympäristöjä, jotka käyttäytyvät enemmän kuin oikea maailma kuin vain visuaalisesti vakuuttava video.

Yhtiö on myös esitellyt useita merkittäviä tutkimushankkeita. Starchild-1 toi monimodaaliset ominaisuudet maailman mallien pariin yhdistämällä visuaalisen ja äänellisen ymmärryksen. Agora-1 mahdollisti useiden ihmisten ja tekoälyagenttien vuorovaikutuksen jaettussa simuloitussa ympäristössä reaaliajassa. PROWL osoitti, miten maailman mallit voivat parantaa aktiivisen tutkimisen kautta, jolloin tekoälyjärjestelmät voivat oppia omista kokemuksistaan ja virheistään.

Nämä hankkeet edustavat Odysseyn pyrkimyksiä siirtyä staattisesta tekoälygeneroinnista järjestelmiin, jotka voivat ymmärtää ja vuorovaikuttaa dynaamisten ympäristöjen kanssa.

Odysseyn johto uskoo, että ala on lähestymässä merkittävää käännekohtaa, joka on vastaava kuin GPT-3 -hetki, jolloin suurten kielimallien potentiaali todettiin. Uusi rahoitus on tarkoitettu tarjoamaan infrastruktuuria, laskentaresursseja ja tutkimuskapasiteettia tavoitteen saavuttamiseksi.

Maailman mallien tulevaisuuden vaikutukset

Jos maailman mallit jatkavat parantumistaan, niiden vaikutus voi ulottua paljon nykyisten tekoälychatbottien ja sisällön generointijärjestelmien ulkopuolelle. Yksi välittömin sovellusalue voi olla robottiikassa, jossa koneiden on ymmärrettävä fyysisiä ympäristöjä, ennustettava tuloksia ja sopeuduttava muuttuviin olosuhteisiin reaaliajassa. Sen sijaan, että riippuisivat kalliista todellisen maailman testaamisesta, tulevaisuuden robotit voivat olla koulutettu laajasti hyvin realistisissa simulaatioissa ennen niiden käyttöönottoa.

Teknologia voi myös muuttaa aloja, jotka riippuvat monimutkaisten järjestelmien mallinnuksesta. Terveydenhuollossa tutkijat voivat käyttää maailman malleja sairauden etenemisen simuloimiseen tai hoitestrategioiden testaamiseen. Tieteellisessä tutkimuksessa ne voivat auttaa mallintamaan kemiallisia reaktioita, ilmastojärjestelmiä tai biologisia prosesseja, jotka ovat vaikeita, kalliita tai aikaa vieviä tutkia suoraan. Autonomiset ajoneuvot, logistiikka- ja teollisuusautomaatiojärjestelmät voivat myös hyötyä tekoälystä, joka voi ennustaa, miten todelliset ympäristöt kehittyvät ajan myötä.

Pelit edustavat toista aluetta, jossa maailman mallit voivat vaikuttaa merkittävästi. Sen sijaan, että riippuisivat manuaalisesti luoduista ympäristöistä ja skriptatuista vuorovaikutuksista, tulevaisuuden pelit voivat sisältää tekoälygeneroituja maailmoja, jotka kehittyvät dynaamisesti ja reagoivat älykkäästi pelaajan käyttäytymiseen. Samat ominaisuudet voivat lopulta olla käytössä koulutussimulaatioissa aloilla, kuten ilmailu, puolustus, hätätilannevastuu ja koulutus.

Vaikka lupauksista huolimatta, merkittäviä teknisiä haasteita on edelleen olemassa. Simulaatioiden luominen, jotka heijastavat fyysisen maailman monimutkaisuutta, vaatii valtavat laskentaresurssit, laajan koulutusdatan ja edistystä päättelyssä ja pitkän aikavälin ennustamisessa. Vaikka maailman mallit lopulta muodostuvat perustavanlaatuisiksi tulevaisuuden tekoälyjärjestelmien kerroksiksi, kasvava sijoittaminen alan sisällä osoittaa, että monet tutkijat pitävät niitä yhtenä tärkeimmistä rajoista kielimallien ulkopuolella.