Byli badacze Anthropic uruchamiają Mirendil z wartością 1 miliarda dolarów i rundą seed o wartości 200 milionów dolarów

Byli badacze Anthropic uruchamiają Mirendil z ambicją opracowania systemów sztucznej inteligencji, które mogą przyspieszyć badania nad sztuczną inteligencją. Startup z siedzibą w San Francisco wyszedł z fazy ukrytej z rundą seed o wartości $200 milionów i wartością 1 miliarda dolarów, co jest jedną z największych rund seed w historii startupów AI. Rundę tę współprowadzili Andreessen Horowitz i Kleiner Perkins, z udziałem NVIDIA.

Założony przez Behnama Neyshabura i Harsha Mehtę, którzy wcześniej pracowali razem w Google (GOOGL ) i Anthropic, Mirendil uważa, że następny skok w sztucznej inteligencji nastąpi dzięki systemom zaprojektowanym do pomocy naukowcom i inżynierom w tworzeniu lepszych modeli AI, a nie tylko jako asystenci dla użytkowników końcowych.

Według firmy, jej długoterminowa wizja polega na demokratyzacji badań nad sztuczną inteligencją poprzez udostępnienie zaawansowanych możliwości badawczych poza kilkoma dobrze finansowanymi laboratoriami AI.

Budowanie AI dla badań nad AI

Zamiast koncentrować się na chatbotach dla konsumentów lub oprogramowaniu produkcyjnym dla przedsiębiorstw, Mirendil opisuje siebie jako laboratorium AI, które rozwija systemy doskonałe w badaniach i rozwoju AI.

Firma uważa, że wiele przełomów naukowych zaczyna się od budowania przez badaczy głębokiej ekspertyzy przez długi czas. Mirendil ma na celu stworzenie systemów AI, które mogą rozwijać i gromadzić tę wiedzę, umożliwiając naukowcom przyspieszenie badań w różnych dziedzinach.

Zamiast po prostu generować odpowiedzi, te systemy są przeznaczone do pomocy badaczom w całym procesie naukowym, pomagając rozwijać coraz bardziej zaawansowane modele AI, które mogą być następnie adaptowane do dyscyplin takich jak biologia, chemia, medycyna, nauka o materiałach i robotyka.

Demokratyzacja badań nad sztuczną inteligencją

Jednym z podstawowych argumentów Mirendil jest to, że rozwój sztucznej inteligencji jest obecnie koncentrowany w niewielkiej liczbie organizacji posiadających ogromne zasoby obliczeniowe.

Firma uważa, że wiele uniwersytetów, startupów, firm farmaceutycznych, instytutów badawczych i laboratoriów przemysłowych mogłoby dokonać szybszych postępów naukowych, gdyby miały dostęp do systemów AI zaprojektowanych specjalnie do przyspieszania badań, a nie ogólnych modeli językowych.

Zamiast zastępować naukowców, Mirendil wyobraża sobie AI jako partnera badawczego, który pomaga ekspertom iterować szybciej, eksplorować więcej hipotez i rozwijać coraz bardziej wyspecjalizowane modele dla własnych dziedzin.

Zespół wywodzący się z wiodących laboratoriów AI

Zespół założycielski Mirendil odzwierciedla rosnącą migrację doświadczonych badaczy z głównych laboratoriów AI do niezależnych startupów.

CEO Behnam Neyshabur wcześniej prowadził badania w Google, zanim dołączył do Anthropic, a CTO Harsh Mehta również pracował jako naukowiec w Anthropic. Szeroki zespół założycielski obejmuje Shayan Salehiana, wczesnego członka xAI, oraz Tarę Rezaei, absolwentkę MIT. Razem firma zebrała około 20 badaczy i inżynierów z doświadczeniem w Anthropic, OpenAI, Google DeepMind i xAI.

Inny podejście do infrastruktury AI

Strona internetowa Mirendil podkreśla, że jej misja wykracza poza budowanie kolejnego modelu podstawowego. Zamiast tego, firma ma na celu przeprojektowanie samego procesu badawczego poprzez rozwijanie systemów, które pomagają inżynierom i naukowcom w prowadzeniu badań AI w sposób bardziej efektywny.

Startup twierdzi, że buduje modele frontier oraz nowe przepływy badawcze, które mają na celu stworzenie samodoskonalących się systemów AI, które ciągle poprawiają rozwój naukowy i technologiczny. Firma uważa, że takie podejście może uczynić zaawansowane badania AI dostępnymi dla organizacji zajmujących się problemami od odkrywania leków i chemii po biologię i robotykę.

Firma planuje również wydać swój pierwszy model i produkt w najbliższych miesiącach, aby zebrać opinie od badaczy i deweloperów, podczas gdy udoskonala swoją technologię.

Samodoskonalenie się pozostaje kontrowersyjnym obszarem

Wizja Mirendil pokrywa się z jednym z najbardziej dyskutowanych pojęć w sztucznej inteligencji: samodoskonalenie, gdzie systemy AI przyczyniają się do budowania coraz bardziej zdolnych następców.

Przeciwnicy twierdzą, że takie systemy mogą dramatycznie przyspieszyć odkrycia naukowe, skracając cykle badawcze i pozwalając ekspertom skupić się na wyższym poziomie rozumowania. Krytycy, w tym niektórzy badacze bezpieczeństwa AI, ostrzegali, że coraz bardziej autonomiczny rozwój AI podnosi ważne pytania dotyczące nadzoru, kontroli i zarządzania.

Założyciele Mirendil twierdzą, że te wyzwania są trudnymi problemami inżynierskimi, a nie nieprzekraczalnymi barierami, utrzymując, że odpowiednio solidny nadzór może pozwolić na bezpieczny rozwój samodoskonalenia.

Co oznacza finansowanie dla przyszłości badań nad AI

Niezwykle duża runda seed Mirendil podkreśla rosnące zainteresowanie infrastrukturą AI zaprojektowaną specjalnie do badań, a nie aplikacji konsumenckich. W miarę jak systemy AI stają się coraz bardziej zdolne, zapotrzebowanie na narzędzia, które mogą pomóc naukowcom i inżynierom w budowaniu, ocenianiu i udoskonalaniu specjalistycznych modeli w sposób bardziej efektywny, prawdopodobnie będzie rosło.

Jeśli systemy AI staną się lepsze w wspieraniu badań nad AI, organizacje spoza największych laboratoriów AI, w tym uniwersytety, firmy farmaceutyczne, dostawcy opieki zdrowotnej, producenci przemysłowi i instytuty badawcze, mogą uzyskać dostęp do możliwości, które wcześniej były ograniczone do niewielkiej liczby dobrze finansowanych organizacji. Zamiast koncentrować rozwój AI w niewielkiej liczbie firm, technologie takie jak te rozwijane przez Mirendil mogą umożliwić szerszy ekosystem modeli AI dostosowanych do specjalistycznych wyzwań naukowych i przemysłowych. Chociaż pozostają jeszcze znaczne wyzwania techniczne i bezpieczeństwa, pojawienie się firm skupionych na rozwoju AI wspomaganym przez AI sygnalizuje, że następna faza innowacji może coraz bardziej koncentrować się na przyspieszaniu tempa odkryć naukowych.