Odyssey Henter 310 Millioner Dollar i Serie B-finansiering til en Verdi på 1,45 Milliarder Dollar for å Utvikle AI-Verdensmodeller

Kappløpet om å bygge neste generasjon kunstig intelligens beveger seg stadig mer bort fra språk. Odyssey, et Palo Alto-basert AI-forskningslaboratorium som fokuserer på verdensmodeller, har samlet inn 310 millioner dollar i serie B-finansiering til en verdi på 1,45 milliarder dollar. Runden ble ledet av Natural Capital og inkluderte deltakelse fra Amazon, AMD Ventures, GV, EQT, In-Q-Tel (IQT) og flere eksisterende investorer, og plasserer selskapet blant de mest tungt finansiert startup-selskapene som driver AI-systemer som kan forstå og simulere den fysiske verden.

Odyssey ble grunnlagt av selvkjørende teknologiveteraner Oliver Cameron og Jeff Hawke, og utvikler AI-modeller som er designet for å lære årsakssammenheng, fysikk og miljødynamikk, i stedet for å fokusere bare på språkgenerering. Selskapet tror at disse systemene kan bli en drivkraft for gjennombrudd i flere bransjer, inkludert robotikk, spill, vitenskap, helse, utdanning, forsvar og andre områder.

En Økende Innsats på Verdensmodeller

Mens store språkmodeller har dominert AI-samtalen de siste årene, ser mange forskere på verdensmodeller som et kritisk neste skritt. I motsetning til språkmodeller, som primært forutsier ord, forsøker verdensmodeller å forutsie hvordan miljøer utvikler seg over tid og hvordan objekter interagerer med hverandre.

Dette tilnærmingen har tiltatt oppmerksomhet fra noen av bransjens mest innflytelsesrike personer. Selskaper og forskningsgrupper som spenner fra Google DeepMind og Waymo til nye startup-selskaper, har nylig investert tungt i verdensmodell-forskning, og reflekterer en bredere tro på at fremtidige AI-systemer vil trenge en dypere forståelse av den fysiske verden.

Odysseys ledelse argumenterer for at språk alene ikke kan fange mange aspekter av virkeligheten, inkludert fysisk dynamikk, menneskelig atferd, kroppsspråk og årsak-og-virkning-forhold. Selskapet ser på verdensmodeller som en ny kategori av grunnleggende modeller som kan støtte en mye bredere rekke av virkelige verdensapplikasjoner.

AWS Blir Odysseys Foretrukne Skytjenesteleverandør

I tillegg til finansieringsannonseringen, avslørte Odyssey en strategisk partnerskap med Amazon Web Services. AWS vil bli selskapets foretrukne skytjenesteleverandør, og Odyssey planlegger å distribuere AWS Trainium-chipsett sammen med annen maskinvare for å trene og kjøre sine stadig mer krævende modeller.

Partnerskapet understreker en oppkomende slagmark innen AI-industrien. Ettersom etterspørselen etter AI-beregning fortsetter å vokse, konkurrerer skytjenesteleverandører og chipprodusenter om å tilby alternativer til Nvidias dominante GPU-økosystem. For Amazon representerer Odyssey en høyprofil-kunde som kan teste Trainium-hardware på noen av de mest beregningsintensive AI-arbeidslastene som utvikles for tiden.

Verdensmodeller krever enorme beregningsressurser fordi de må generere konsistente, interaktive simuleringer samtidig som de opprettholder en forståelse av fysiske lover og langtidsmiljødynamikk. Evnen til å trene disse systemene effektivt kan bli en stor konkurransefordel når feltet modnes.

Bygging Mot en “GPT-3 Øyeblikk” for Verdensmodeller

Odyssey har brukt de siste tre årene på å utvikle stadig mer avanserte verdensmodell-systemer. Ifølge selskapet, har hver påfølgende utgave utvidet kapasiteten til AI-genererte simuleringer.

Deres Odyssey-2-modell fokuserte på å forbedre fysisk realisme og miljøkonsistens. Odyssey-2 Max gikk videre i fysikkbasert simulering og sanntidsinteraktivitet, med mål om å skape miljøer som oppfører seg mer som den virkelige verden, i stedet for bare å generere visuelt overbevisende video.

Selskapet har også introdusert flere bemerkelsesverdige forskningsprosjekter. Starchild-1 bragte multimodale evner inn i verdensmodellering ved å kombinere visuell og audiell forståelse. Agora-1 aktiverte flere mennesker og AI-agenter til å interagere innen en delt simulert miljø i sanntid. PROWL demonstrerte hvordan verdensmodeller kan forbedre gjennom aktiv utforskning, og tillot AI-systemer å lære fra sine egne erfaringer og feil.

Sammen representerer disse prosjektene Odysseys innsats for å gå beyond statisk AI-generering mot systemer som kan forstå og interagere med dynamiske miljøer.

Odysseys ledelse tror at feltet nærmer seg et viktig vendepunkt lignende det øyeblikket GPT-3 viste potensialet for store språkmodeller. Den nye finansieringen er ment å gi den infrastrukturen, beregningsressursene og forskningskapasiteten nødvendig for å nå dette målet.

Fremtidige Implikasjoner av Verdensmodeller

Hvis verdensmodeller fortsetter å forbedre, kan deres innvirkning utvide seg langt beyond dagens AI-chatbots og innholdsgenereringssystemer. En av de mest umiddelbare applikasjonene kan være i robotikk, hvor maskiner må forstå fysiske miljøer, forutsie resultater og tilpasse seg endrede forhold i sanntid. I stedet for å stole på dyre virkelige verdenstester, kan fremtidige roboter bli trenet omfattende innen svært realistiske simuleringer før de blir deployert.

Teknologien kan også omforme bransjer som avhenger tungt av modellering av komplekse systemer. I helse, kan forskere bruke verdensmodeller til å simulere sykdomsforløp eller teste behandlingsstrategier. I vitenskapelig forskning, kan de hjelpe med å modellere kjemiske reaksjoner, klimasystemer eller biologiske prosesser som er vanskelige, dyre eller tidskrevende å studere direkte. Autonome kjøretøy, logistikknettverk og industrielle automasjonsystemer kan også dra nytte av AI som kan forutsie hvordan virkelige verdenmiljøer vil utvikle seg over tid.

Spill representerer et annet område hvor verdensmodeller kan ha en betydelig innvirkning. I stedet for å stole på manuelt skapte miljøer og skriptede interaksjoner, kan fremtidige spill måtte ha AI-genererte verdener som utvikler seg dynamisk og reagerer intelligently på spillernes atferd. Lignende evner kan til slutt bli brukt til trenings simuleringer i fag som spenner fra luftfart og forsvar til nødsituasjonssvar og utdanning.

Tross det løftede potensialet, gjenstår betydelige tekniske utfordringer. Å skape simuleringer som nøyaktig reflekterer kompleksiteten i den fysiske verden, krever enorme beregningsressurser, store mengder treningsdata og fremgang i resonnering og langtidsforutsigelse. Hvorvidt verdensmodeller til slutt blir en grunnleggende lag i fremtidige AI-systemer, er et åpent spørsmål, men den økende investeringen over hele sektoren tyder på at mange forskere ser på dem som en av de viktigste grensene beyond språkmodeller.