Tidligere Anthropic-forskere lanserer Mirendil med en verdi på 1 milliard dollar og en seed-runde på 200 millioner dollar

Tidligere Anthropic-forskere har lansert Mirendil med et ambisiøst mål: å utvikle kunstig intelligens-systemer som kan akselerere AI-forskning selv. San Francisco-baserte startup har kommet ut av stealth-modus med en $200 millioner seed-finansieringsrunde til en verdi på 1 milliard dollar, en av de største seed-finansieringene som noensinne er blitt annonsert av en AI-startup. Runden ble ledet av Andreessen Horowitz og Kleiner Perkins, med deltakelse fra NVIDIA.

Grunnlagt av Behnam Neyshabur og Harsh Mehta, som tidligere arbeidet sammen i både Google (GOOGL ) og Anthropic, tror Mirendil at det neste spranget i kunstig intelligens vil komme fra systemer designet for å hjelpe forskere og ingeniører bygge bedre AI-modeller, snarere enn å fungere som sluttbrukerhjelpere.

Ifølge selskapet er deres langtidsvisjon å demokratisere frontier AI-forskning ved å gjøre avansert forskningskapasitet tilgjengelig utenfor en håndfull godt finansierte AI-laboratorier.

Bygging av AI for AI-forskning

I stedet for å fokusere på forbruker-chatbots eller bedriftsproduktivitetsprogramvare, beskriver Mirendil seg selv som et frontier AI-laboratorium som utvikler systemer som excellerer i AI-forskning og utvikling.

Selskapets tese er at mange vitenskapelige gjennombrudd begynner med at forskere bygger dypt ekspertise over lang tid. Mirendil har som mål å skape AI-systemer som kan utvikle og akkumulere denne ekspertisen, og dermed tillate forskere å akselerere forskning innen spesialiserte domener.

I stedet for bare å generere svar, er disse systemene ment å assistere forskere gjennom hele den vitenskapelige prosessen, og hjelpe med å utvikle stadig mer kapable AI-modeller som kan tilpasses for fag som biologi, kjemi, medisin, materialvitenskap og robotikk.

Demokratisering av Frontier AI

En av Mirendils kjerneargumenter er at dagens frontier AI-utvikling har blitt konsentrert innen en relativt liten gruppe organisasjoner med enorme beregningsressurser.

Selskapet tror at mange universiteter, startup-selskaper, legemiddel-selskaper, forskningsinstitutter og industrielle laboratorier kunne gjøre raskere vitenskapelig fremgang hvis de hadde tilgang til AI-systemer spesifikt designet for å akselerere forskning, snarere enn generelle språkmodeller.

I stedet for å erstatte forskere, forestiller Mirendil seg AI som en forskningspartner som hjelper eksperter å iterere raskere, utforske flere hypoteser og utvikle stadig mer spesialiserte modeller for sine egne fag.

Et team trukket fra ledende AI-laboratorier

Mirendils grunnleggende team reflekterer den økende migrasjonen av erfarne forskere fra store AI-laboratorier til uavhengige startup-selskaper.

CEO Behnam Neyshabur har tidligere utført forskning ved Google før han gikk til Anthropic, mens CTO Harsh Mehta også arbeidet som forskningsscientist ved Anthropic. Det bredere grunnleggende teamet inkluderer Shayan Salehian, en tidlig medlem av xAI, og Tara Rezaei, en MIT-utdannet. Sammen har selskapet samlet omtrent 20 forskere og ingeniører med bakgrunn fra Anthropic, OpenAI, Google DeepMind og xAI.

En annen tilnærming til AI-infrastruktur

Mirendils nettsted betoner at deres misjon går utover å bygge en annen foundation-modell. I stedet har selskapet som mål å redesigne forskningsprosessen selv ved å utvikle systemer som hjelper ingeniører og forskere med å utføre AI-forskning mer effektivt.

Startup-selskapet sier at de bygger frontier-modeller sammen med nye forskningsflyter som er ment å skape selvforbedrende AI-systemer som kontinuerlig forbedrer vitenskapelig og teknologisk utvikling. Selskapet tror at denne tilnærmingen kan gjøre avansert AI-forskning tilgjengelig for organisasjoner som arbeider med problemer som legemiddelforskning, kjemi, biologi og robotikk.

Selskapet planlegger også å utgi sin første modell og produkt i de kommende månedene for å samle inn tilbakemeldinger fra forskere og utviklere mens de finjusterer sin teknologi.

Rekursiv selvforbedring er et kontroversielt område

Mirendils visjon krysser ett av de mest debatterte konseptene i kunstig intelligens: rekursiv selvforbedring, hvor AI-systemer bidrar til å bygge stadig mer kapable etterfølgere.

Tilhengere argumenterer for at slike systemer kunne dramatisk akselerere vitenskapelig oppdagelse ved å forkorte forskningscykluser og tillate eksperter å fokusere på høyere nivå av resonnering. Kritikere, inkludert noen AI-sikkerhetsforskere, har advart mot at stadig mer autonom AI-utvikling reiser viktige spørsmål om tilsyn, kontroll og styring.

Mirendils grunnleggere argumenterer for at disse utfordringene er vanskelige ingeniørproblemer snarere enn uovervinnelige barrierer, og hevder at tilstrekkelig robust tilsyn kan tillate rekursiv forbedring å utvikles trygt.

Hva finansieringen betyr for fremtiden av AI-forskning

Mirendils usedvanlig store seed-runde understreker den økende interessen for AI-infrastruktur designet spesifikt for forskning snarere enn forbrukerapplikasjoner. Ettersom frontier AI-systemer blir stadig mer kapable, er det sannsynlig at etterspørselen etter verktøy som kan hjelpe forskere og ingeniører med å bygge, evaluere og finjustere spesialiserte modeller mer effektivt, vil øke.

Hvis AI-systemer blir bedre til å støtte AI-forskning selv, kan organisasjoner utenfor de største frontier-laboratoriene – inkludert universiteter, legemiddel-selskaper, helseleverandører, industrielle produsenter og forskningsinstitutter – få tilgang til kapasiteter som tidligere var begrenset til en håndfull godt finansierte organisasjoner. I stedet for å konsentrere AI-utvikling innen en liten gruppe selskaper, kunne teknologier som de som utvikles av Mirendil muliggjøre et bredere økosystem av domene-spesifikke AI-modeller tilpasset spesialiserte vitenskapelige og industrielle utfordringer. Mens betydelige tekniske og sikkerhetsutfordringer fortsatt består, signaliserer oppblomstringen av selskaper som fokuserer på AI-assistert AI-utvikling at den neste fasen av innovasjon kan stadig mer sentre seg rundt å akselerere vitenskapelig oppdagelse selv.