Odyssey lève 310 millions de dollars en série B à une valorisation de 1,45 milliard de dollars pour faire progresser les modèles de monde de l’IA

La course pour construire la prochaine génération d’intelligence artificielle va de plus en plus au-delà du langage. Odyssey, un laboratoire de recherche en IA de Palo Alto axé sur les modèles de monde, a levé 310 millions de dollars en financement de série B à une valorisation de 1,45 milliard de dollars. Le tour a été mené par Natural Capital et a inclus la participation d’Amazon (AMZN ), AMD Ventures, GV, EQT, In-Q-Tel (IQT), et plusieurs investisseurs existants, positionnant l’entreprise parmi les startups les plus financées qui poursuivent des systèmes d’IA capables de comprendre et de simuler le monde physique.

Fondée par des vétérans de la technologie de conduite autonome Oliver Cameron et Jeff Hawke, Odyssey développe des modèles d’IA conçus pour apprendre la causalité, la physique et la dynamique environnementale plutôt que de se concentrer uniquement sur la génération de langage. L’entreprise croit que ces systèmes pourraient éventuellement alimenter des avancées dans des secteurs tels que la robotique, les jeux, la science, les soins de santé, l’éducation, la défense et d’autres industries.

Un pari croissant sur les modèles de monde

Alors que les grands modèles de langage ont dominé la conversation sur l’IA au cours des dernières années, de nombreux chercheurs considèrent les modèles de monde comme une étape cruciale suivante. Contrairement aux modèles de langage, qui prédisent principalement des mots, les modèles de monde tentent de prédire comment les environnements évoluent au fil du temps et comment les objets interagissent les uns avec les autres.

Cette approche a attiré une attention croissante de certaines des figures les plus influentes de l’industrie. Des entreprises et des groupes de recherche allant de Google DeepMind et Waymo à des startups émergentes ont récemment investi massivement dans la recherche sur les modèles de monde, reflétant une croyance plus large selon laquelle les futurs systèmes d’IA auront besoin d’une compréhension plus profonde du monde physique.

La direction d’Odyssey soutient que le langage seul ne peut pas capturer de nombreux aspects de la réalité, y compris la dynamique physique, le comportement humain, le langage corporel et les relations de cause à effet. L’entreprise considère les modèles de monde comme une nouvelle catégorie de modèle de base capable de soutenir un éventail beaucoup plus large d’applications du monde réel.

AWS devient le partenaire cloud préféré d’Odyssey

Conjointement à l’annonce de financement, Odyssey a révélé un partenariat stratégique avec Amazon Web Services. AWS deviendra le fournisseur cloud préféré de l’entreprise, et Odyssey prévoit de déployer les puces AWS Trainium aux côtés d’autres matériel pour former et exécuter ses modèles de plus en plus exigeants.

Le partenariat met en évidence un champ de bataille émergent dans l’industrie de l’IA. Alors que la demande de calcul d’IA continue de croître, les fournisseurs de cloud et les fabricants de puces sont en concurrence pour offrir des alternatives à l’écosystème dominant de Nvidia. Pour Amazon, Odyssey représente un client de haute visibilité capable de tester le matériel Trainium sur certaines des charges de travail d’IA les plus intensives actuellement développées.

Les modèles de monde nécessitent d’énormes ressources computationnelles car ils doivent générer des simulations cohérentes et interactives tout en maintenant une compréhension des lois physiques et de la dynamique environnementale à long terme. La capacité à former ces systèmes de manière efficace pourrait devenir un avantage concurrentiel majeur à mesure que le domaine mûrit.

Construire vers un “moment GPT-3” pour les modèles de monde

Odyssey a passé les trois dernières années à développer des systèmes de modèles de monde de plus en plus sophistiqués. Selon l’entreprise, chaque version successive a élargi les capacités des simulations générées par l’IA.

Le modèle Odyssey-2 s’est concentré sur l’amélioration du réalisme physique et de la cohérence environnementale. Odyssey-2 Max a poussé plus loin dans la simulation basée sur la physique et l’interaction en temps réel, visant à créer des environnements qui se comportent plus comme le monde réel que simplement générer des vidéos visuellement convaincantes.

L’entreprise a également introduit plusieurs projets de recherche notables. Starchild-1 a apporté des capacités multimodales dans la modélisation du monde en combinant la compréhension visuelle et audio. Agora-1 a permis à plusieurs humains et agents d’IA d’interagir dans un environnement simulé partagé en temps réel. PROWL a démontré comment les modèles de monde peuvent s’améliorer grâce à une exploration active, permettant aux systèmes d’IA d’apprendre de leurs propres expériences et échecs.

Ensemble, ces projets représentent les efforts d’Odyssey pour aller au-delà de la génération d’IA statique vers des systèmes capables de comprendre et d’interagir avec des environnements dynamiques.

La direction d’Odyssey croit que le domaine s’approche d’un point d’inflexion majeur similaire au moment où GPT-3 a démontré le potentiel des grands modèles de langage. Le nouveau financement est destiné à fournir les infrastructures, les ressources de calcul et la capacité de recherche nécessaires pour poursuivre cet objectif.

Les implications futures des modèles de monde

Si les modèles de monde continuent de s’améliorer, leur impact pourrait s’étendre bien au-delà des chatbots et des systèmes de génération de contenu d’IA d’aujourd’hui. L’une des applications les plus immédiates peut être dans la robotique, où les machines doivent comprendre les environnements physiques, prédire les résultats et s’adapter aux conditions changeantes en temps réel. Plutôt que de s’appuyer sur des tests coûteux dans le monde réel, les robots futurs pourraient être formés de manière extensive à l’intérieur de simulations très réalistes avant d’être déployés.

La technologie pourrait également remodeler les industries qui dépendent fortement de la modélisation de systèmes complexes. Dans les soins de santé, les chercheurs pourraient utiliser les modèles de monde pour simuler la progression des maladies ou tester des stratégies de traitement. Dans la recherche scientifique, ils pourraient aider à modéliser les réactions chimiques, les systèmes climatiques ou les processus biologiques qui sont difficiles, coûteux ou chronophages à étudier directement. Les véhicules autonomes, les réseaux logistiques et les systèmes d’automatisation industrielle pourraient également bénéficier d’une IA capable de prédire comment les environnements du monde réel évolueront au fil du temps.

Le jeu représente une autre zone où les modèles de monde pourraient avoir un impact significatif. Au lieu de s’appuyer sur des environnements créés manuellement et des interactions scriptées, les jeux futurs pourraient présenter des mondes générés par l’IA qui évoluent dynamiquement et répondent de manière intelligente au comportement du joueur. Des capacités similaires pourraient éventuellement être utilisées pour les simulations de formation dans des domaines allant de l’aviation et de la défense à la réponse d’urgence et à l’éducation.

Malgré la promesse, des défis techniques importants restent. Créer des simulations qui reflètent avec précision la complexité du monde physique nécessite d’énormes ressources computationnelles, de vastes quantités de données de formation et des progrès dans le raisonnement et la prédiction à long terme. Que les modèles de monde deviennent finalement une couche fondamentale des futurs systèmes d’IA reste une question ouverte, mais les investissements croissants dans le secteur suggèrent que de nombreux chercheurs les considèrent comme l’un des frontières les plus importantes au-delà des modèles de langage, avec des données de formation et des progrès dans le raisonnement et la prédiction à long terme. Que les modèles de monde deviennent finalement une couche fondamentale des futurs systèmes d’IA reste une question ouverte, mais les investissements croissants dans le secteur suggèrent que de nombreux chercheurs les considèrent comme l’un des frontières les plus importantes au-delà des modèles de langage, avec des données de formation et des progrès dans le raisonnement et la prédiction à long terme.