Recursive Superintelligence Haalt $650 Miljoen Op Om Zichzelf Verbeterende AI Na Te Streven

Een nieuwe frontier AI-bedrijf genaamd Recursive Superintelligence is uit de stealth-modus gekomen met $650 miljoen aan financiering en een ongebruikelijk ambitieus doel: het bouwen van AI-systemen die zichzelf kunnen verbeteren zonder directe menselijke tussenkomst.

Het bedrijf wordt geleid door AI-onderzoeker en ondernemer Richard Socher, samen met een oprichtingsteam dat prominent onderzoekers van Google DeepMind, OpenAI, Meta en de academische wereld omvat.

Het startup-bedrijf komt op de markt op een moment waarop de AI-industrie snel verschuift van het bouwen van grotere taalmodellen naar het ontwikkelen van systemen die autonomously kunnen redeneren, aanpassen en mogelijk hun eigen onderzoek kunnen uitvoeren. Terwijl de meeste AI-bedrijven zich nog steeds richten op het verbeteren van modelprestaties door middel van menselijke training en versterking van het leren, zet Recursive Superintelligence iets veel experimentelers in: recursieve zelfverbetering.

Het concept is al lang besproken in AI-kringen als een mogelijke weg naar superintelligentie. In simpele bewoordingen is het idee dat een AI-systeem zwakheden in zijn eigen architectuur kan identificeren, nieuwe benaderingen kan genereren om die zwakheden op te lossen, de resultaten kan testen en zichzelf voortdurend kan verbeteren in een voortdurende feedbacklus.

Volgens Socher kwalificeren de meeste huidige vormen van AI-geassisteerde codering of AI-gegenereerd onderzoek niet als echte recursieve zelfverbetering. In plaats daarvan betoogt hij dat echte recursie zou vereisen dat de hele cyclus van ideatie, implementatie, testen en verfijning autonomously zou plaatsvinden.

Richard Sochers Langetermijnvisie voor AI

Socher is niet nieuw in ambitieuze AI-projecten. Voordat hij Recursive Superintelligence oprichtte, werd hij breed bekend als mede-oprichter en CEO van You.com, een AI-gepowered zoek- en enterprise AI-infrastructuurbedrijf dat opkwam als een vroege uitdager van traditionele zoekmachines.

You.com trok aanvankelijk de aandacht door conversational AI te combineren met webzoek jaren voordat generatieve AI mainstream werd. In de loop van de tijd evolueerde het bedrijf naar enterprise AI-hulpmiddelen, API’s en productiviteitgerichte AI-systemen.

Voordat hij You.com oprichtte, was Socher Chief Scientist bij Salesforce en bouwde hij een reputatie op als een van de meest geciteerde onderzoekers op het gebied van natuurlijke taalverwerking. Zijn academische werk droeg bij aan fundamentele technieken in woordembeddings, contextuele taalbegrip en neurale netwerkarchitecturen die moderne AI-systemen hebben helpen vormgeven.

Recursive Superintelligence lijkt een andere fase van Sochers carrière te vertegenwoordigen: minder gefocust op commerciële AI-implementatie en meer gefocust op fundamentele doorbraken in intelligentie zelf.

Nog steeds heeft Socher zich verzet tegen het beschrijven van het bedrijf als een puur onderzoekscentrum. Hij heeft benadrukt dat het bedrijf van plan is om commerciële producten te ontwikkelen en gelooft dat praktische toepassingen binnen “kwartalen, niet jaren” kunnen ontstaan.

De Open-Endedness-benadering

Een van de centrale concepten achter Recursive Superintelligence is iets dat onderzoekers “open-endedness” noemen.

In plaats van modellen te trainen op een enkel vastgesteld doel, genereren open-ended systemen voortdurend nieuwe omgevingen, uitdagingen en vormen van aanpassing. De benadering put inspiratie uit biologische evolutie, waar organismen constant evolueren in reactie op veranderende omstandigheden en concurrerende aanpassingen.

Het mede-oprichter van het bedrijf, Tim Rocktäschel, werkte eerder aan open-ended AI-onderzoek bij Google DeepMind, waaronder projecten met generatieve wereldmodellen en zelfverbeterende systemen.

Een voorbeeld dat door Socher wordt besproken, is “rainbow teaming”, een AI-veiligheidsconcept waarbij een AI-systeem voortdurend een ander AI-systeem aanvalt en test om zwakheden bloot te leggen. In plaats van te vertrouwen op mensen om schadelijke randgevallen handmatig te testen, evolueren twee AI-systemen effectief tegen elkaar over miljoenen iteraties.

Het idee weerspiegelt een bredere verschuiving die plaatsvindt in frontier AI-onderzoek: het gebruik van AI-systemen zelf als onderdeel van de trainings-, evaluatie- en veiligheidsinfrastructuur.

Compute Kan Het Definierende Hulpmiddel Worden

De lancering van Recursive Superintelligence versterkt ook een andere groeiende realiteit binnen AI: de toenemende belangrijkheid van compute-infrastructuur.

Naarmate modellen capabeler worden, stijgen de trainingskosten en inferentie-eisen exponentieel. Als recursieve zelfverbeteringssystemen uiteindelijk haalbaar worden, kan compute nog strategischer belangrijk worden, omdat de snelheid van AI-vooruitgang rechtstreeks verbonden zou zijn met hoeveel verwerkingskracht kan worden toegewezen aan zelfverbeteringscycli.

Socher suggereerde dat toekomstige samenlevingen moeilijke beslissingen zullen moeten nemen over waar ze AI-computebronnen zullen toewijzen, en hij vergeleek dit met het beslissen welke ziektes of wetenschappelijke problemen de meeste computationele aandacht zouden moeten krijgen.

Die kaderstelling benadrukt hoe AI-infrastructuur steeds meer verweven raakt met geopolitiek, energiesystemen, halfgeleider-toeleveringsketens en nationale concurrentie.

Beleggers Blijven Inzetten Op Frontier AI-Teams

De omvang van de financieringsronde is ook opmerkelijk, gezien hoe vroeg het bedrijf nog is. Recursive Superintelligence heeft naar verluidt minder dan 30 medewerkers en heeft nog geen openbaar product gelanceerd, maar het heeft al een multibillion-dollar-waardering bereikt.

De ronde weerspiegelt een bredere trend in venture capital, waarin elite AI-onderzoektalent zelf een waardevol asset is geworden. Beleggers plaatsen steeds vaker enorme inzetten op teams met diepe technische geloofwaardigheid, met name onderzoekers die zijn verbonden met organisaties als OpenAI, DeepMind en Meta AI.

Op veel manieren lijkt de markt te verschuiven van het financieren van softwareproducten naar het financieren van potentiële doorbraken in intelligentie-infrastructuur zelf.

Of recursieve zelfverbetering uiteindelijk haalbaar blijkt, blijft onzeker. Veel onderzoekers geloven dat het concept de AI-ontwikkeling volledig kan transformeren, terwijl anderen betogen dat de technische barrières enorm blijven.

Maar het opkomen van Recursive Superintelligence signaleert dat sommige van de meest invloedrijke onderzoekers in de industrie nu geloven dat de volgende fase van AI niet alleen zal bestaan uit het bouwen van slimmere modellen door mensen. In plaats daarvan kan het gaan om het laten deelnemen van AI-systemen aan hun eigen evolutie.