Odyssey Haalt 310 Miljoen Dollar Op in Serie B bij een Waardering van 1,45 Miljard Dollar om AI Wereldmodellen te Ontwikkelen

De race om de volgende generatie kunstmatige intelligentie te bouwen, verplaatst zich steeds meer voorbij taal. Odyssey, een in Palo Alto gevestigd AI-onderzoekscentrum dat zich richt op wereldmodellen, heeft 310 miljoen dollar opgehaald in serie B-financiering bij een waardering van 1,45 miljard dollar. De ronde werd geleid door Natural Capital en omvatte deelname van Amazon (AMZN ), AMD Ventures, GV, EQT, In-Q-Tel (IQT) en verschillende bestaande investeerders, waardoor het bedrijf een van de zwaarst gefinancierde startups wordt die AI-systemen ontwikkelen die de fysieke wereld kunnen begrijpen en simuleren.

Odyssey is opgericht door veteranen uit de zelfrijdende technologie, Oliver Cameron en Jeff Hawke, en ontwikkelt AI-modellen die zijn ontworpen om causaliteit, fysica en milieudynamica te leren in plaats van zich alleen te concentreren op taalgeneratie. Het bedrijf gelooft dat deze systemen uiteindelijk doorbraken kunnen bewerkstelligen in branches zoals robotica, gaming, wetenschap, gezondheidszorg, onderwijs, defensie en andere.

Een Groeiende Inzet op Wereldmodellen

Terwijl grote taalmodellen de AI-conversatie de afgelopen jaren hebben gedomineerd, zien veel onderzoekers wereldmodellen als een cruciale volgende stap. In tegenstelling tot taalmodellen, die voornamelijk woorden voorspellen, proberen wereldmodellen te voorspellen hoe omgevingen in de loop van de tijd evolueren en hoe objecten met elkaar interacteren.

Deze aanpak heeft de aandacht getrokken van enkele van de meest invloedrijke figuren in de industrie. Bedrijven en onderzoeksinstellingen, van Google DeepMind en Waymo tot opkomende startups, hebben onlangs zwaar geïnvesteerd in onderzoek naar wereldmodellen, wat een bredere overtuiging weerspiegelt dat toekomstige AI-systemen een dieper begrip van de fysieke wereld nodig zullen hebben.

Odyssey’s leiderschap stelt dat taal alleen veel aspecten van de realiteit niet kan vangen, waaronder fysieke dynamica, menselijk gedrag, lichaamstaal en oorzaak-gevolgrelaties. Het bedrijf ziet wereldmodellen als een nieuwe categorie van foundation models die een veel bredere reeks real-world toepassingen kunnen ondersteunen.

AWS Wordt Odyssey’s Voorkeurscloudpartner

In samenhang met de financieringsaankondiging, onthulde Odyssey een strategisch partnerschap met Amazon Web Services. AWS zal de voorkeurscloudprovider van het bedrijf worden en Odyssey plant om AWS Trainium-chips naast andere hardware te gebruiken om zijn steeds veeleisender modellen te trainen en uit te voeren.

Het partnerschap benadrukt een opkomend slagveld binnen de AI-industrie. Naarmate de vraag naar AI-rekenkracht blijft groeien, concurreren cloudproviders en chipfabrikanten om alternatieven te bieden voor Nvidia’s dominante GPU-ecosysteem. Voor Amazon vertegenwoordigt Odyssey een hoogprofielklant die in staat is om Trainium-hardware te testen op enkele van de meest computationeel intensieve AI-werklasten die momenteel worden ontwikkeld.

Wereldmodellen vereisen enorm computationele middelen omdat ze consistent, interactieve simulaties moeten genereren terwijl ze een begrip van fysieke wetten en langetermijndynamica van de omgeving behouden. De mogelijkheid om deze systemen efficiënt te trainen, kan een groot concurrentievoordeel worden naarmate het veld volwassen wordt.

Werken naar een “GPT-3 Moment” voor Wereldmodellen

Odyssey heeft de afgelopen drie jaar steeds geavanceerdere wereldmodelsystemen ontwikkeld. Volgens het bedrijf heeft elke opeenvolgende release de mogelijkheden van AI-gegenereerde simulaties uitgebreid.

Het Odyssey-2-model richtte zich op het verbeteren van de fysieke realiteit en de consistentie van de omgeving. Odyssey-2 Max ging verder in de fysica-gebaseerde simulatie en real-time interactie, met als doel omgevingen te creëren die meer doen denken aan de echte wereld dan alleen visueel overtuigende video’s.

Het bedrijf heeft ook verschillende opvallende onderzoeksprojecten geïntroduceerd. Starchild-1 bracht multimodale mogelijkheden in de wereldmodellering door visuele en audioverwerving te combineren. Agora-1 maakte het mogelijk voor meerdere mensen en AI-agents om in real-time te interacteren binnen een gedeelde gesimuleerde omgeving. PROWL demonstreerde hoe wereldmodellen kunnen verbeteren door actieve exploratie, waardoor AI-systemen kunnen leren van hun eigen ervaringen en fouten.

Samen vertegenwoordigen deze projecten Odyssey’s inspanning om verder te gaan dan statische AI-generatie naar systemen die dynamische omgevingen kunnen begrijpen en interacteren.

Odyssey’s leiderschap gelooft dat het veld een belangrijk keerpunt nadert dat vergelijkbaar is met het moment waarop GPT-3 het potentieel van grote taalmodellen aantoonde. De nieuwe financiering is bedoeld om de infrastructuur, rekenkracht en onderzoeks capaciteit te bieden die nodig zijn om dat doel na te streven.

De Toekomstige Implicaties van Wereldmodellen

Als wereldmodellen blijven verbeteren, kan hun impact verder reiken dan de huidige AI-chatbots en inhoudsgeneratiesystemen. Een van de meest directe toepassingen kan zijn in de robotica, waar machines de fysieke omgeving moeten begrijpen, resultaten moeten voorspellen en zich moeten aanpassen aan veranderende omstandigheden in real-time. In plaats van te vertrouwen op kostbare tests in de echte wereld, kunnen toekomstige robots uitgebreid getraind worden in zeer realistische simulaties voordat ze worden ingezet.

De technologie kan ook branches beïnvloeden die zwaar leunen op het modelleren van complexe systemen. In de gezondheidszorg kunnen onderzoekers wereldmodellen gebruiken om de voortgang van ziektes te simuleren of behandelingstrategieën te testen. In wetenschappelijk onderzoek kunnen ze helpen bij het modelleren van chemische reacties, klimaatsystemen of biologische processen die moeilijk, duur of tijdrovend zijn om direct te bestuderen. Autonome voertuigen, logistieke netwerken en industriële automatiseringssystemen kunnen ook profiteren van AI die kan voorspellen hoe real-world omgevingen in de loop van de tijd zullen evolueren.

Gaming vertegenwoordigt een ander gebied waar wereldmodellen een significante impact kunnen hebben. In plaats van te vertrouwen op handmatig gemaakte omgevingen en scripts, kunnen toekomstige games AI-gegenereerde werelden bevatten die dynamisch evolueren en intelligent reageren op het gedrag van de speler. Soortgelijke capaciteiten kunnen uiteindelijk worden gebruikt voor trainingsimulaties in branches variërend van luchtvaart en defensie tot noodhulp en onderwijs.

Ondanks de belofte, blijven er significante technische uitdagingen bestaan. Het creëren van simulaties die de complexiteit van de fysieke wereld nauwkeurig weerspiegelen, vereist enorme computationele middelen, enorme hoeveelheden trainingsdata en vooruitgang in redenering en langetermijnpredictie. Of wereldmodellen uiteindelijk een fundamentale laag van toekomstige AI-systemen zullen worden, blijft een open vraag, maar de groeiende investeringen in de sector suggereren dat veel onderzoekers ze zien als een van de belangrijkste frontiers voorbij taalmodellen, met trainingsdata en vooruitgang in redenering en langetermijnpredictie.