Odyssey pozyskał 310 milionów dolarów w rundzie Series B przy wycenie 1,45 miliarda dolarów, aby rozwinąć światowe modele AI

Wyścig, aby zbudować następną generację sztucznej inteligencji, coraz częściej wykracza poza język. Odyssey, laboratorium badawcze AI z siedzibą w Palo Alto, skupiające się na światowych modelach, pozyskało 310 milionów dolarów w rundzie Series B przy wycenie 1,45 miliarda dolarów. Rundę tę poprowadziła Natural Capital i wzięły w niej udział Amazon, AMD Ventures, GV, EQT, In-Q-Tel (IQT) oraz kilku istniejących inwestorów, co umieściło firmę wśród najlepiej finansowanych startupów zajmujących się systemami AI, które mogą zrozumieć i symulować świat fizyczny.

Odyssey zostało założone przez weteranów technologii samochodów autonomicznych, Olivera Camerona i Jeffa Hawke’a. Rozwija ono modele AI zaprojektowane do nauki przyczynowości, fizyki i dynamiki środowiska, zamiast koncentrowania się wyłącznie na generowaniu języka. Firma uważa, że te systemy mogą ostatecznie napędzać przełomy w branżach takich jak robotyka, gry, nauka, opieka zdrowotna, edukacja, obrona i innych.

Rosnące zakłady na światowe modele

Podczas gdy duże modele językowe dominowały w dyskusjach o AI w ciągu ostatnich kilku lat, wielu badaczy widzi światowe modele jako kluczny następny krok. W przeciwieństwie do modeli językowych, które głównie przewidują słowa, światowe modele próbują przewidzieć, jak środowiska ewoluują w czasie i jak obiekty互одействują ze sobą.

Ten podejście przyciągnęło coraz większą uwagę niektórych z najbardziej wpływowych postaci w branży. Firmy i grupy badawcze, od Google DeepMind i Waymo po nowo powstające startupy, ostatnio zainwestowały znacznie w badania nad światowymi modelami, co odzwierciedla szersze przekonanie, że przyszłe systemy AI będą musiały mieć głębsze zrozumienie świata fizycznego.

Liderzy Odyssey argumentują, że język sam w sobie nie może uchwycić wielu aspektów rzeczywistości, w tym dynamiki fizycznej, zachowania ludzi, języka ciała i relacji przyczynowo-skutkowych. Firma widzi światowe modele jako nową kategorię modeli podstawowych, które mogą wspierać znacznie szerszy zakres aplikacji w świecie rzeczywistym.

AWS staje się preferowanym partnerem chmury Odyssey

Wraz z ogłoszeniem finansowania, Odyssey ujawniło strategiczne partnerstwo z Amazon Web Services. AWS stanie się preferowanym dostawcą usług chmury dla firmy, a Odyssey planuje wdrożyć układy Trainium obok innych urządzeń, aby szkolić i uruchamiać coraz bardziej wymagające modele.

Partnerstwo to podkreśla powstające pole bitwy w branży AI. Ponieważ popyt na obliczenia AI nadal rośnie, dostawcy usług chmury i producenci chipów konkurują, aby zaoferować alternatywy dla dominującego ekosystemu GPU Nvidii. Dla Amazonu Odyssey reprezentuje wysokoprofilowego klienta, który może przetestować sprzęt Trainium na niektórych z najbardziej wymagających obciążeń AI, które są obecnie rozwijane.

Światowe modele wymagają ogromnych zasobów obliczeniowych, ponieważ muszą generować spójne, interaktywne symulacje, jednocześnie zachowując zrozumienie praw fizycznych i długoterminowych dynamik środowiska. Możliwość efektywnego szkolenia tych systemów może stać się znaczną przewagą konkurencyjną, gdy ta dziedzina dojrzeje.

Budowanie w kierunku „momentu GPT-3” dla światowych modeli

Odyssey spędziło ostatnie trzy lata na rozwijaniu coraz bardziej zaawansowanych systemów światowych modeli. Według firmy, każde kolejne wydanie rozszerzało możliwości symulacji generowanych przez AI.

Ich model Odyssey-2 koncentrował się na poprawie realizmu fizycznego i spójności środowiska. Odyssey-2 Max posunął się dalej w symulacji opartej na fizyce i interaktywności w czasie rzeczywistym, dążąc do stworzenia środowisk, które zachowują się bardziej jak świat rzeczywisty, zamiast po prostu generować wizualnie przekonywujące filmy.

Firma wprowadziła również kilka godnych uwagi projektów badawczych. Starchild-1 wprowadził możliwości multimodalne do modelowania świata, łącząc zrozumienie wizualne i audio. Agora-1 umożliwił wielu ludziom i agentom AI interakcję w ramach udostępnionego środowiska symulowanego w czasie rzeczywistym. PROWL pokazał, jak światowe modele mogą się poprawiać dzięki aktywnemu eksplorowaniu, pozwalając systemom AI uczyć się z własnych doświadczeń i niepowodzeń.

Wszystkie te projekty reprezentują starania Odyssey, aby wyjść poza statyczną generację AI i stworzyć systemy, które mogą zrozumieć i wchodzić w interakcje z dynamicznymi środowiskami.

Liderzy Odyssey wierzą, że ta dziedzina zbliża się do punktu zwrotnego podobnego do momentu, w którym GPT-3 zademonstrowało potencjał dużych modeli językowych. Nowe finansowanie ma na celu zapewnienie infrastruktury, zasobów obliczeniowych i możliwości badawczych niezbędnych do realizacji tego celu.

Przyszłe implikacje światowych modeli

Jeśli światowe modele będą nadal się poprawiać, ich wpływ może sięgać daleko poza dzisiejsze systemy czatbotów i generowania treści. Jednym z najbardziej natychmiastowych zastosowań może być robotyka, gdzie maszyny muszą zrozumieć środowiska fizyczne, przewidywać wyniki i adaptować się do zmieniających się warunków w czasie rzeczywistym. Zamiast polegać na kosztownych testach w świecie rzeczywistym, przyszłe roboty mogą być szkolone wewnątrz symulacji o wysokiej wierności przed wdrożeniem.

Technologia ta może również zmienić branże, które silnie opierają się na modelowaniu złożonych systemów. W opiece zdrowotnej badacze mogą wykorzystywać światowe modele do symulowania postępu choroby lub testowania strategii leczenia. W badaniach naukowych mogą pomóc modelować reakcje chemiczne, systemy klimatyczne lub procesy biologiczne, które są trudne, drogie lub czasochłonne do bezpośredniego zbadania. Samochody autonomiczne, sieci logistyczne i systemy automatyki przemysłowej mogą również skorzystać z AI, która może przewidywać, jak środowiska rzeczywiste będą ewoluować w czasie.

Gry stanowią kolejną dziedzinę, w której światowe modele mogą mieć znaczący wpływ. Zamiast polegać na ręcznie tworzonych środowiskach i skryptowanych interakcjach, przyszłe gry mogą zawierać światy generowane przez AI, które ewoluują dynamicznie i reagują inteligentnie na zachowania graczy. Podobne możliwości mogą być w końcu wykorzystane do symulacji szkoleniowych w dziedzinach od lotnictwa i obrony po odpowiedzi w sytuacjach awaryjnych i edukację.

Pomimo obietnic, pozostają znaczące wyzwania techniczne. Tworzenie symulacji, które dokładnie odzwierciedlają złożoność świata fizycznego, wymaga ogromnych zasobów obliczeniowych, ogromnych ilości danych szkoleniowych oraz postępów w rozumowaniu i długoterminowej predykcji. Czy światowe modele ostatecznie staną się podstawową warstwą przyszłych systemów AI, pozostaje otwarte pytanie, ale rosnące inwestycje w tej dziedzinie sugerują, że wielu badaczy widzi je jako jeden z najważniejszych frontów poza modelami językowymi.