Voormalige Anthropic-onderzoekers lanceren Mirendil met een waarde van 1 miljard dollar met een seedronde van 200 miljoen dollar

Voormalige onderzoekers van Anthropic hebben Mirendil gelanceerd met een ambitieus doel: het ontwikkelen van kunstmatige intelligentiesystemen die in staat zijn om AI-onderzoek zelf te versnellen. Het in San Francisco gevestigde startup is uit de stealth-mode gekomen met een $200 miljoen seedfinancieringsronde bij een waarde van 1 miljard dollar, een van de grootste seedfinancieringen die ooit door een AI-startup is aangekondigd. De ronde werd geleid door Andreessen Horowitz en Kleiner Perkins, met deelname van NVIDIA.

Mirendil is opgericht door Behnam Neyshabur en Harsh Mehta, die eerder samenwerkten bij zowel Google (GOOGL ) als Anthropic. Mirendil gelooft dat de volgende stap in kunstmatige intelligentie zal komen van systemen die zijn ontworpen om wetenschappers en ingenieurs te helpen betere AI-modellen te bouwen, in plaats van alleen als eindgebruikersassistenten te fungeren.

Volgens het bedrijf is de langetermijnvisie van Mirendil om frontier AI-onderzoek te democratiseren door geavanceerde onderzoekscapaciteiten beschikbaar te maken voor meer dan een handvol goed gefinancierde AI-laboratoria.

AI bouwen voor AI-onderzoek

In plaats van te focussen op consumentenchatbots of bedrijfsproductiviteitsoftware, beschrijft Mirendil zichzelf als een frontier AI-laboratorium dat systemen ontwikkelt die uitblinken in AI-onderzoek en -ontwikkeling.

Het bedrijf stelt dat veel wetenschappelijke doorbraken beginnen met onderzoekers die diepe expertise opbouwen over lange perioden. Mirendil wil AI-systemen creëren die in staat zijn om die expertise te ontwikkelen en te accumuleren, waardoor wetenschappers onderzoek kunnen versnellen in gespecialiseerde domeinen.

In plaats van alleen antwoorden te genereren, zijn deze systemen bedoeld om onderzoekers te helpen tijdens het hele wetenschappelijke proces, waardoor zij steeds capabelere AI-modellen kunnen ontwikkelen die vervolgens kunnen worden aangepast voor disciplines zoals biologie, chemie, geneeskunde, materiaalkunde en robotica.

Democratisering van frontier AI

Een van de kernargumenten van Mirendil is dat de ontwikkeling van frontier AI vandaag de dag geconcentreerd is binnen een relatief klein aantal organisaties met enorm veel rekenkracht.

Het bedrijf gelooft dat veel universiteiten, startups, farmaceutische bedrijven, onderzoeksinstellingen en industriële laboratoria snellere wetenschappelijke vooruitgang zouden kunnen boeken als zij toegang hadden tot AI-systemen die specifiek zijn ontworpen om onderzoek te versnellen, in plaats van algemene taalmodellen.

In plaats van wetenschappers te vervangen, ziet Mirendil AI als een onderzoekspartner die experts helpt om sneller te itereren, meer hypothesen te onderzoeken en steeds gespecialiseerdere modellen te ontwikkelen voor hun eigen vakgebied.

Een team uit de toonaangevende AI-labs

Het oprichtingsteam van Mirendil weerspiegelt de groeiende migratie van ervaren onderzoekers van grote AI-laboratoria naar onafhankelijke startups.

CEO Behnam Neyshabur voerde eerder onderzoek uit bij Google voordat hij bij Anthropic kwam, terwijl CTO Harsh Mehta ook als onderzoeker werkte bij Anthropic. Het bredere oprichtingsteam omvat Shayan Salehian, een vroeg lid van xAI, en Tara Rezaei, een afgestudeerde van MIT. Samen heeft het bedrijf ongeveer 20 onderzoekers en ingenieurs verzameld met achtergronden bij Anthropic, OpenAI, Google DeepMind en xAI.

Een andere benadering van AI-infrastructuur

De website van Mirendil benadrukt dat de missie van het bedrijf verder gaat dan het bouwen van nog een foundation model. In plaats daarvan wil het bedrijf het onderzoeksproces zelf opnieuw ontwerpen door systemen te ontwikkelen die ingenieurs en wetenschappers helpen om AI-onderzoek effectiever uit te voeren.

Het startup zegt dat het frontier-modellen ontwikkelt naast nieuwe onderzoeksworkflows die zijn bedoeld om zelfverbeterende AI-systemen te creëren die de wetenschappelijke en technologische ontwikkeling voortdurend verbeteren. Het bedrijf gelooft dat deze aanpak geavanceerd AI-onderzoek toegankelijk kan maken voor organisaties die werken aan problemen variërend van geneesmiddelenontdekking en chemie tot biologie en robotica.

Het bedrijf plant ook om in de komende maanden zijn eerste model en product uit te brengen om feedback te verzamelen van onderzoekers en ontwikkelaars terwijl het zijn technologie verfijnt.

Recursive self-improvement blijft een omstreden gebied

De visie van Mirendil kruist met een van de meest besproken concepten in kunstmatige intelligentie: recursive self-improvement, waarbij AI-systemen bijdragen aan het bouwen van steeds capabelere opvolgers.

Supporters beweren dat dergelijke systemen de wetenschappelijke ontdekking dramatisch kunnen versnellen door onderzoeks cycli te verkorten en experts in staat te stellen zich te concentreren op hogere niveau redenering. Critici, waaronder enkele AI-veiligheidsonderzoekers, hebben gewaarschuwd dat steeds autonoomere AI-ontwikkeling belangrijke vragen oproept over toezicht, controle en governance.

De oprichters van Mirendil beweren dat deze uitdagingen moeilijke ingenieursproblemen zijn, in plaats van onoverkomelijke barrières, en dat voldoende robuust toezicht recursive verbetering veilig kan laten ontwikkelen.

Wat de financiering betekent voor de toekomst van AI-onderzoek

De ongebruikelijk grote seedronde van Mirendil benadrukt de groeiende interesse in AI-infrastructuur die specifiek is ontworpen voor onderzoek, in plaats van consumententoepassingen. Naarmate frontier AI-systemen steeds capabeler worden, zal de vraag naar tools die wetenschappers en ingenieurs helpen om gespecialiseerde modellen efficiënter te bouwen, evalueren en verfijnen, waarschijnlijk toenemen.

Als AI-systemen beter worden in het ondersteunen van AI-onderzoek zelf, kunnen organisaties buiten de grootste frontier-labs – waaronder universiteiten, farmaceutische bedrijven, zorgverleners, industriële fabrikanten en onderzoeksinstellingen – toegang krijgen tot capaciteiten die eerder beperkt waren tot een handvol goed gefinancierde organisaties. In plaats van AI-ontwikkeling te concentreren binnen een klein aantal bedrijven, kunnen technologieën zoals die ontwikkeld door Mirendil een bredere ecosystemen van domeinspecifieke AI-modellen mogelijk maken die zijn aangepast aan gespecialiseerde wetenschappelijke en industriële uitdagingen. Terwijl er nog steeds significante technische en veiligheidsuitdagingen bestaan, geeft de opkomst van bedrijven die zich richten op AI-geassisteerde AI-ontwikkeling aan dat de volgende fase van innovatie zich mogelijk steeds meer zal richten op het versnellen van de snelheid van wetenschappelijke ontdekking zelf.