A new frontier AI company called Recursive Superintelligence has emerged from stealth with $650 million in funding and an unusually ambitious goal: building AI systems capable of improving themselves without direct human intervention.

The company is led by AI researcher and entrepreneur Richard Socher, alongside a founding team that includes prominent researchers from Google DeepMind, OpenAI, Meta, and academia.

The startup enters the market at a moment when the AI industry is rapidly shifting from building larger language models toward developing systems that can autonomously reason, adapt, and potentially conduct their own research. While most AI companies remain focused on improving model performance through human-guided training and reinforcement learning, Recursive Superintelligence is pursuing something far more experimental: recursive self-improvement.

The concept has long been discussed in AI circles as a possible pathway toward superintelligence. In simple terms, the idea is that an AI system could identify weaknesses in its own architecture, generate new approaches to solve those weaknesses, test the results, and continually improve itself in an ongoing feedback loop.

According to Socher, most current forms of AI-assisted coding or AI-generated research do not qualify as true recursive self-improvement. Instead, he argues that genuine recursion would require the entire cycle of ideation, implementation, testing, and refinement to happen autonomously.

Richard Socher’s Long-Term Vision for AI

Socher is not new to ambitious AI projects. Before founding Recursive Superintelligence, he became widely known as the co-founder and CEO of You.com, an AI-powered search and enterprise AI infrastructure company that emerged as an early challenger to traditional search engines.

You.com initially gained attention for blending conversational AI with web search years before generative AI became mainstream. Over time, the company evolved toward enterprise AI tooling, APIs, and productivity-focused AI systems.

Before You.com, Socher served as Chief Scientist at Salesforce and built a reputation as one of the most-cited researchers in natural language processing. His academic work contributed to foundational techniques in word embeddings, contextual language understanding, and neural network architectures that helped shape modern AI systems.

Recursive Superintelligence appears to represent a different phase of Socher’s career: less focused on commercial AI deployment and more focused on fundamental breakthroughs in intelligence itself.

Still, Socher has pushed back against describing the company as purely a research lab. He has emphasized that the company intends to develop commercial products and believes practical applications could emerge within “quarters, not years.”

The Open-Endedness Approach

One of the central concepts behind Recursive Superintelligence is something researchers refer to as “open-endedness.”

Rather than training models toward a single fixed objective, open-ended systems continuously generate new environments, challenges, and forms of adaptation. The approach borrows inspiration from biological evolution, where organisms constantly evolve in response to changing conditions and competing adaptations.

The company’s co-founder Tim Rocktäschel previously worked on open-ended AI research at Google DeepMind, including projects involving generative world models and self-improving systems.

One example discussed by Socher involves “rainbow teaming,” an AI safety concept where one AI system continuously attacks and probes another AI system to expose vulnerabilities. Instead of relying on humans to manually test harmful edge cases, two AI systems effectively evolve against each other over millions of iterations.

The idea reflects a broader shift happening across frontier AI research: using AI systems themselves as part of the training, evaluation, and safety infrastructure.

Compute May Become the Defining Resource

The launch of Recursive Superintelligence also reinforces another growing reality within AI: the increasing importance of compute infrastructure.

As models grow more capable, training costs and inference requirements continue to rise exponentially. If recursive self-improvement systems eventually become viable, compute could become even more strategically important because the speed of AI advancement would become directly tied to how much processing power can be allocated toward self-improvement cycles.

Socher suggested that future societies may face difficult decisions about where to allocate AI compute resources, comparing it to deciding which diseases or scientific problems should receive the most computational attention.

That framing highlights how AI infrastructure is increasingly becoming intertwined with geopolitics, energy systems, semiconductor supply chains, and national competitiveness.

Investors Continue Betting on Frontier AI Teams

The size of the funding round is also notable given how early the company still is. Recursive Superintelligence reportedly has fewer than 30 employees and has not yet released a public product, yet it has already achieved a multibillion-dollar valuation.

The round reflects a broader trend in venture capital where elite AI research talent itself has become a valuable asset class. Investors are increasingly placing massive bets on teams with deep technical credibility, particularly researchers connected to organizations like OpenAI, DeepMind, and Meta AI.

In many ways, the market appears to be shifting from funding software products toward funding potential breakthroughs in intelligence infrastructure itself.

Whether recursive self-improvement ultimately proves achievable remains uncertain. Many researchers believe the concept could transform AI development entirely, while others argue the technical barriers remain enormous.

But the emergence of Recursive Superintelligence signals that some of the industry’s most influential researchers now believe the next phase of AI may not simply involve humans building smarter models. Instead, it may involve AI systems participating directly in their own evolution.

En ny frontier AI-firma som heter Rekursiv superintelligens har gått ur stealth-läget med 650 miljoner dollar i finansiering och ett ovanligt ambitiöst mål: att bygga AI-system som kan förbättra sig själva utan direkt mänsklig inblandning.

Företaget leds av AI-forskaren och entreprenören Richard Socher, tillsammans med en grundarteam som inkluderar framstående forskare från Google DeepMind, OpenAI, Meta och akademin.

Startuppen går in på marknaden i en tid då AI-branschen snabbt förändras från att bygga större språkmodeller till att utveckla system som kan resonera, anpassa sig och potentiellt bedriva sin egen forskning på ett autonomt sätt. Medan de flesta AI-företagen fortfarande fokuserar på att förbättra modellprestanda genom mänsklig vägledning och förstärkt inlärning, följer Rekursiv superintelligens en mer experimentell väg: rekursiv självförbättring.

Konceptet har länge diskuterats i AI-kretsar som en möjlig väg mot superintelligens. I enkla termer handlar idén om att ett AI-system kan identifiera svagheter i sin egen arkitektur, generera nya tillvägagångssätt för att lösa dessa svagheter, testa resultaten och kontinuerligt förbättra sig i en pågående återkopplingsloop.

Enligt Socher kvalificerar sig de flesta nuvarande former av AI-assisterad kodning eller AI-genererad forskning inte som sann rekursiv självförbättring. Istället hävdar han att äkta rekursion skulle kräva att hela cykeln av idégenerering, implementering, testning och förfining sker autonomt.

Richard Sochers långsiktiga vision för AI

Socher är inte ny i ambitiösa AI-projekt. Innan han grundade Rekursiv superintelligens blev han allmänt känd som medgrundare och VD för You.com, ett AI-drivet sök- och företags-AI-infrastrukturföretag som tidigt utmanade traditionella sökmotorer.

You.com fick initialt uppmärksamhet för att blanda konversations-AI med webbsökning år innan generativ AI blev mainstream. Över tiden utvecklades företaget mot företags-AI-verktyg, API:er och produktivitetsinriktade AI-system.

Innan You.com tjänstgjorde Socher som chefsforskare på Salesforce och byggde upp ett rykte som en av de mest citerade forskarna inom naturlig språkbehandling. Hans akademiska arbete bidrog till grundläggande tekniker inom ordinbäddningar, kontextuell språkförståelse och neurala nätverksarkitekturer som hjälpte till att forma moderna AI-system.

Rekursiv superintelligens verkar representera en annan fas i Sochers karriär: mindre fokuserad på kommersiell AI-distribution och mer fokuserad på grundläggande genombrott inom intelligensen i sig.

Ändå har Socher motarbetat att beskriva företaget som en ren forskningsenhet. Han har betonat att företaget avser att utveckla kommersiella produkter och tror att praktiska tillämpningar kan uppstå inom “kvartal, inte år”.

Öppenhetens tillvägagångssätt

En av de centrala koncepten bakom Rekursiv superintelligens är något som forskare kallar “öppenhet”.

Istället för att träna modeller mot ett enda fastställt mål genererar öppna system kontinuerligt nya miljöer, utmaningar och former av anpassning. Tillvägagångssättet hämtar inspiration från biologisk evolution, där organismer ständigt utvecklas som svar på förändrade förhållanden och konkurrerande anpassningar.

Företagets medgrundare Tim Rocktäschel arbetade tidigare med öppen AI-forskning på Google DeepMind, inklusive projekt som involverade generativa världsmodeller och självförbättrande system.

Ett exempel som Socher diskuterar är “regnbågsteam”, ett AI-säkerhetskoncept där ett AI-system kontinuerligt attackerar och provar ett annat AI-system för att avslöja sårbarheter. Istället för att förlita sig på människor för att manuellt testa skadliga gränsfall utvecklar två AI-system effektivt mot varandra under miljontals iterationer.

Idén speglar en bredare förändring som sker inom frontier AI-forskning: att använda AI-system själva som en del av utbildnings-, utvärderings- och säkerhetsinfrastrukturen.

Beräkningsresurser kan bli den avgörande resursen

Lanseringen av Rekursiv superintelligens förstärker också en annan växande verklighet inom AI: den ökande betydelsen av beräkningsinfrastruktur.

Såsom modeller blir mer kapabla fortsätter utbildningskostnaderna och inferenskraven att öka exponentiellt. Om rekursiva självförbättringssystem slutligen blir livskraftiga kan beräkningsresurser bli ännu mer strategiskt viktiga eftersom AI-utvecklingens hastighet skulle bli direkt kopplad till hur mycket bearbetningskraft som kan allokeras till självförbättringscykler.

Socher föreslog att framtida samhällen kan stå inför svåra beslut om var de ska allokerar AI-beräkningsresurser, och jämförde det med att bestämma vilka sjukdomar eller vetenskapliga problem som ska få mest beräkningsuppmärksamhet.

Detta ramverk betonar hur AI-infrastruktur alltmer blir sammanflätad med geopolitik, energisystem, halvledarsupplykedjor och nationell konkurrenskraft.

Investorer fortsätter att satsa på frontier AI-team

Storleken på finansieringsrundan är också anmärkningsvärd med tanke på hur tidigt företaget fortfarande är. Rekursiv superintelligens har rapporterats ha färre än 30 anställda och har ännu inte släppt en offentlig produkt, men har redan uppnått en multibilliondollarvärdering.

Finansieringsrundan speglar en bredare trend inom riskkapital där elit AI-forskartalang nu har blivit en värdefull tillgångsklass. Investorer placerar alltmer massiva insatser på team med djup teknisk trovärdighet, särskilt forskare kopplade till organisationer som OpenAI, DeepMind och Meta AI.

På många sätt verkar marknaden förändras från att finansiera programvaruprodukter till att finansiera potentiella genombrott inom intelligensinfrastruktur i sig.

Om rekursiv självförbättring slutligen visar sig vara uppnåelig förblir osäkert. Många forskare tror att konceptet kan omvandla AI-utvecklingen helt, medan andra hävdar att

de tekniska barriärerna förblir enorma.

Men framväxten av Rekursiv superintelligens signalerar att några av branschens mest inflytelserika forskare nu tror att nästa fas av AI kanske inte bara handlar om att bygga smartare modeller. Istället kan det handla om att AI-system deltar direkt i sin egen utveckling.

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.

Một công ty trí tuệ nhân tạo mới gọi là Trí tuệ siêu phàm Recursive đã xuất hiện từ bóng tối với 650 triệu đô la tiền vốn và một mục tiêu đầy tham vọng: xây dựng các hệ thống trí tuệ nhân tạo có thể tự cải tiến mà không cần sự can thiệp trực tiếp của con người.

Công ty này được dẫn dắt bởi nhà nghiên cứu và doanh nhân trí tuệ nhân tạo Richard Socher, cùng với một đội ngũ sáng lập bao gồm các nhà nghiên cứu nổi tiếng từ Google DeepMind, OpenAI, Meta và học thuật.

Công ty này tham gia thị trường vào thời điểm ngành công nghiệp trí tuệ nhân tạo đang chuyển nhanh từ việc xây dựng các mô hình ngôn ngữ lớn hơn sang phát triển các hệ thống có thể tự lý luận, thích nghi và có thể thực hiện nghiên cứu của riêng chúng. Trong khi hầu hết các công ty trí tuệ nhân tạo vẫn tập trung vào việc cải thiện hiệu suất mô hình thông qua đào tạo và học tăng cường do con người hướng dẫn, Trí tuệ siêu phàm Recursive lại theo đuổi một điều gì đó hoàn toàn thử nghiệm: tự cải tiến đệ quy.

Khái niệm này đã được thảo luận trong các vòng tròn trí tuệ nhân tạo như một con đường có thể dẫn đến trí tuệ siêu phàm. Trong những thuật ngữ đơn giản, ý tưởng là một hệ thống trí tuệ nhân tạo có thể xác định điểm yếu trong kiến trúc của chính nó, tạo ra các phương pháp mới để giải quyết những điểm yếu đó, kiểm tra kết quả và liên tục cải thiện chính nó trong một vòng lặp phản hồi liên tục.

Theo Socher, hầu hết các hình thức mã hóa trí tuệ nhân tạo hoặc nghiên cứu do trí tuệ nhân tạo tạo ra hiện nay không đủ điều kiện là tự cải tiến đệ quy thực sự. Thay vào đó, ông lập luận rằng sự đệ quy thực sự sẽ yêu cầu toàn bộ chu kỳ ý tưởng, triển khai, kiểm tra và tinh chỉnh xảy ra tự động.

Tầm nhìn dài hạn của Richard Socher về Trí tuệ nhân tạo

Socher không phải là người mới trong các dự án trí tuệ nhân tạo đầy tham vọng. Trước khi thành lập Trí tuệ siêu phàm Recursive, ông đã trở nên nổi tiếng như là người đồng sáng lập và CEO của You.com, một công ty công nghệ tìm kiếm và cơ sở hạ tầng trí tuệ nhân tạo doanh nghiệp được trang bị trí tuệ nhân tạo, đã xuất hiện như một thách thức sớm đối với các công cụ tìm kiếm truyền thống.

You.com ban đầu đã thu hút sự chú ý khi kết hợp trí tuệ nhân tạo trò chuyện với tìm kiếm web nhiều năm trước khi trí tuệ nhân tạo tạo ra trở thành xu hướng chính. Theo thời gian, công ty đã phát triển hướng tới công cụ trí tuệ nhân tạo doanh nghiệp, API và hệ thống trí tuệ nhân tạo tập trung vào năng suất.

Trước You.com, Socher từng là Nhà khoa học trưởng tại Salesforce và đã xây dựng danh tiếng như một trong những nhà nghiên cứu được trích dẫn nhiều nhất trong lĩnh vực xử lý ngôn ngữ tự nhiên. Các công trình học thuật của ông đã góp phần vào các kỹ thuật cơ bản trong lĩnh vực nhúng từ, hiểu ngôn ngữ theo ngữ cảnh và kiến trúc mạng nơ-ron giúp định hình các hệ thống trí tuệ nhân tạo hiện đại.

Trí tuệ siêu phàm Recursive dường như đại diện cho một giai đoạn khác trong sự nghiệp của Socher: ít tập trung vào triển khai trí tuệ nhân tạo thương mại và nhiều tập trung vào những đột phá cơ bản trong trí tuệ bản thân.

Tuy nhiên, Socher đã phản đối việc mô tả công ty là một phòng thí nghiệm nghiên cứu thuần túy. Ông đã nhấn mạnh rằng công ty có ý định phát triển các sản phẩm thương mại và tin rằng các ứng dụng thực tế có thể xuất hiện trong “quý, không phải năm.”

Phương pháp tiếp cận Mở

Một trong những khái niệm trung tâm đằng sau Trí tuệ siêu phàm Recursive là cái mà các nhà nghiên cứu gọi là “mở”.

Thay vì đào tạo mô hình hướng tới một mục tiêu cố định duy nhất, các hệ thống mở liên tục tạo ra các môi trường mới, thách thức và hình thức thích nghi. Phương pháp này vay mượn cảm hứng từ sự tiến hóa sinh học, nơi các sinh vật liên tục tiến hóa để đáp ứng với các điều kiện thay đổi và các thích nghi cạnh tranh.

Đồng sáng lập công ty, Tim Rocktäschel, trước đây đã làm việc về nghiên cứu trí tuệ nhân tạo mở tại Google DeepMind, bao gồm các dự án liên quan đến mô hình thế giới tạo ra và hệ thống tự cải tiến.

Một ví dụ được Socher thảo luận liên quan đến “đội hình cầu vồng”, một khái niệm an toàn trí tuệ nhân tạo nơi một hệ thống trí tuệ nhân tạo liên tục tấn công và kiểm tra một hệ thống trí tuệ nhân tạo khác để lộ ra các điểm yếu. Thay vì dựa vào con người để kiểm tra các trường hợp cạnh tranh có hại, hai hệ thống trí tuệ nhân tạo hiệu quả tiến hóa chống lại nhau qua hàng triệu lần lặp lại.

Ý tưởng phản ánh một sự thay đổi lớn đang xảy ra trong toàn bộ nghiên cứu trí tuệ nhân tạo tiên phong: sử dụng các hệ thống trí tuệ nhân tạo chính nó như một phần của cơ sở hạ tầng đào tạo, đánh giá và an toàn.

Tính toán có thể trở thành Tài nguyên Định nghĩa

Sự ra mắt của Trí tuệ siêu phàm Recursive cũng củng cố một thực tế ngày càng tăng khác trong lĩnh vực trí tuệ nhân tạo: tầm quan trọng ngày càng tăng của cơ sở hạ tầng tính toán.

Khi các mô hình trở nên mạnh mẽ hơn, chi phí đào tạo và yêu cầu suy luận tiếp tục tăng theo cấp số nhân. Nếu các hệ thống tự cải tiến đệ quy cuối cùng trở nên khả thi, tính toán có thể trở nên quan trọng hơn vì tốc độ tiến bộ trí tuệ nhân tạo sẽ trở nên gắn liền trực tiếp với lượng tài nguyên xử lý có thể được phân bổ cho các chu kỳ tự cải tiến.

Socher gợi ý rằng các xã hội tương lai có thể phải đối mặt với những quyết định khó khăn về việc phân bổ tài nguyên tính toán trí tuệ nhân tạo, so sánh nó với việc quyết định nên phân bổ tài nguyên tính toán cho những bệnh tật hoặc vấn đề khoa học nào.

Cách định hình đó nhấn mạnh cách cơ sở hạ tầng trí tuệ nhân tạo đang ngày càng gắn liền với địa chính trị, hệ thống năng lượng, chuỗi cung ứng bán dẫn và khả năng cạnh tranh quốc gia.

Nhà đầu tư tiếp tục đặt cược vào các đội trí tuệ nhân tạo tiên phong

Kích thước của vòng tài trợ cũng đáng chú ý given how early the company still is. Trí tuệ siêu phàm Recursive được báo cáo có ít hơn 30 nhân viên và chưa phát hành một sản phẩm công khai, nhưng nó đã đạt được một mức định giá hàng tỷ đô la.

Vòng này phản ánh một xu hướng rộng lớn hơn trong vốn đầu tư mạo hiểm, nơi tài năng nghiên cứu trí tuệ nhân tạo tinh hoa đã trở thành một loại tài sản có giá trị. Các nhà đầu tư đang ngày càng đặt cược lớn vào các đội có uy tín kỹ thuật sâu sắc, đặc biệt là các nhà nghiên cứu liên kết với các tổ chức như OpenAI, DeepMind và Meta AI.

Trong nhiều cách, thị trường dường như đang chuyển từ việc tài trợ cho các sản phẩm phần mềm sang tài trợ cho những đột phá tiềm năng trong cơ sở hạ tầng trí tuệ.

Cho dù tự cải tiến đệ quy cuối cùng có chứng minh được hay không vẫn còn không chắc chắn. Nhiều nhà nghiên cứu tin rằng khái niệm này có thể biến đổi hoàn toàn sự phát triển trí tuệ nhân tạo, trong khi những người khác lập luận rằng rào cản kỹ thuật vẫn còn khổng lồ. Nhưng sự xuất hiện của Trí tuệ siêu phàm Recursive cho thấy một số nhà nghiên cứu có ảnh hưởng nhất trong ngành hiện tin rằng giai đoạn tiếp theo của trí tuệ nhân tạo có thể không chỉ liên quan đến việc con người xây dựng các mô hình thông minh hơn. Thay vào đó, nó có thể liên quan đến việc các hệ thống trí tuệ nhân tạo tham gia trực tiếp vào sự tiến hóa của chính chúng.

O nouă companie de inteligență artificială de frontieră, numită Inteligență Superioară Recursivă, a ieșit din stealth cu 650 de milioane de dolari în finanțare și un obiectiv neobișnuit de ambițios: construirea de sisteme de inteligență artificială capabile să se îmbunătățească singure fără intervenție directă umană.

Compania este condusă de cercetătorul și antreprenorul în domeniul inteligenței artificiale Richard Socher, alături de o echipă fondatoare care include cercetători de seamă de la Google DeepMind, OpenAI, Meta și academia.

Startup-ul intră pe piață într-un moment în care industria inteligenței artificiale se schimbă rapid de la construirea de modele de limbaj mai mari către dezvoltarea de sisteme care pot raționa, adapta și posibil să efectueze cercetări în mod autonom. În timp ce majoritatea companiilor de inteligență artificială rămân concentrate pe îmbunătățirea performanței modelului prin antrenament și învățare prin întărire ghidate de oameni, Inteligența Superioară Recursivă urmărește ceva mult mai experimental: auto-îmbunătățirea recursivă.

Conceptul a fost discutat de mult timp în cercurile inteligenței artificiale ca o posibilă cale către superinteligență. În termeni simpli, ideea este că un sistem de inteligență artificială ar putea identifica slăbiciunile din propria arhitectură, genera abordări noi pentru a rezolva aceste slăbiciuni, testa rezultatele și continua să se îmbunătățească în mod constant printr-un ciclu de feedback.

Conform lui Socher, majoritatea formelor actuale de codificare asistată de inteligență artificială sau cercetare generată de inteligență artificială nu califică ca adevărată auto-îmbunătățire recursivă. În schimb, el susține că o recursivitate genuină ar necesita ca întregul ciclu de ideare, implementare, testare și rafinare să aibă loc în mod autonom.

Viziunea pe termen lung a lui Richard Socher pentru inteligența artificială

Socher nu este nou în proiecte ambițioase de inteligență artificială. Înainte de a fonda Inteligența Superioară Recursivă, el a devenit cunoscut ca co-fondator și CEO al You.com, o companie de căutare și infrastructură de inteligență artificială pentru întreprinderi care a apărut ca un challenger timpuriu pentru motoarele de căutare tradiționale.

You.com a atras inițial atenția pentru amestecul de inteligență artificială conversațională cu căutarea pe web, cu ani înainte ca inteligența artificială generativă să devină mainstream. De-a lungul timpului, compania s-a evoluat către instrumente de inteligență artificială pentru întreprinderi, API-uri și sisteme de productivitate bazate pe inteligență artificială.

Înainte de You.com, Socher a fost șeful cercetător la Salesforce și a construit o reputație ca unul dintre cei mai citați cercetători în procesarea limbajului natural. Lucrările sale academice au contribuit la tehnici fundamentale în încorporarea cuvintelor, înțelegerea contextuală a limbajului și arhitecturile de rețele neurale care au ajutat la modelarea sistemelor moderne de inteligență artificială.

Inteligența Superioară Recursivă pare să reprezinte o fază diferită a carierei lui Socher: mai puțin axată pe implementarea comercială a inteligenței artificiale și mai concentrată pe înfăptuirea de breșe fundamentale în inteligența însăși.

Cu toate acestea, Socher a respins descrierea companiei ca fiind pur și simplu un laborator de cercetare. El a subliniat că compania intenționează să dezvolte produse comerciale și crede că aplicații practice pot apărea în “sferturi, nu ani.”

Abordarea deschisă

Unul dintre conceptele centrale din spatele Inteligenței Superioare Recursive este ceea ce cercetătorii numesc “deschidere”.

În loc de a antrena modele către un singur obiectiv fix, sistemele deschise generează în mod constant noi medii, provocări și forme de adaptare. Abordarea își ia inspirația din evoluția biologică, unde organismele se adaptează în mod constant la condiții și adaptări în schimbare.

Co-fondatorul companiei, Tim Rocktäschel, a lucrat anterior la cercetarea inteligenței artificiale deschise la Google DeepMind, inclusiv proiecte care implică modele de lume generative și sisteme care se auto-îmbunătățesc.

Un exemplu discutat de Socher implică “echipele de curcubeu”, un concept de securitate a inteligenței artificiale în care un sistem de inteligență artificială atacă și sondează în mod constant un alt sistem de inteligență artificială pentru a expune vulnerabilități. În loc de a se baza pe oameni pentru a testa manual cazurile marginale dăunătoare, două sisteme de inteligență artificială se evoluează efectiv una împotriva celeilalte de-a lungul a milioane de iterații.

Ideea reflectă o schimbare mai largă care are loc în cercetarea de frontieră a inteligenței artificiale: utilizarea sistemelor de inteligență artificială ca parte a infrastructurii de antrenament, evaluare și securitate.

Calculul poate deveni resursa definitorie

Lansarea Inteligenței Superioare Recursive subliniază și o altă realitate în creștere în cadrul inteligenței artificiale: importanța tot mai mare a infrastructurii de calcul.

Pe măsură ce modelele devin mai capabile, costurile de antrenament și cerințele de inferență continuă să crească exponențial. Dacă sistemele de auto-îmbunătățire recursivă vor deveni în cele din urmă viabile, calculul ar putea deveni și mai important din punct de vedere strategic, deoarece viteza de progres a inteligenței artificiale ar deveni direct legată de cantitatea de putere de procesare care poate fi alocată ciclurilor de auto-îmbunătățire.

Socher a sugerat că societățile viitoare ar putea face față unor decizii dificile cu privire la modul de alocare a resurselor de calcul pentru inteligența artificială, comparând această situație cu decizia cu privire la care boli sau probleme științifice ar trebui să primească cea mai mare atenție computațională.

Această abordare subliniază modul în care infrastructura de inteligență artificială devine din ce în ce mai strâns legată de geopolitică, sisteme de energie, lanțuri de aprovizionare cu semiconductoare și competitivitate națională.

Investitorii continuă să parieze pe echipele de inteligență artificială de frontieră

Mărimea rundei de finanțare este, de asemenea, notabilă, având în vedere cât de devreme se află încă compania. Inteligența Superioară Recursivă are raportat sub 30 de angajați și nu a lansat încă un produs public, dar a obținut deja o evaluare de peste un miliard de dolari.

Runda reflectă o tendință mai largă în capitalul de risc, în care talentul de cercetare de elită în domeniul inteligenței artificiale a devenit o clasă de active valoroasă. Investitorii plasează din ce în ce mai multe pariuri masive pe echipe cu credibilitate tehnică profundă, în special cercetători conectați la organizații precum OpenAI, DeepMind și Meta AI.

În multe feluri, piața pare să se mute de la finanțarea produselor software către finanțarea potențialelor breșe în infrastructura de inteligență.

Indiferent dacă auto-îmbunătățirea recursivă se va dovedi în cele din urmă realizabilă rămâne incert. Mulți cercetători cred că conceptul ar putea transforma complet dezvoltarea inteligenței artificiale, în timp ce alții argumentează că barierele tehnice rămân uriașe.

Dar apariția Inteligenței Superioare Recursive semnalează că unii dintre cei mai influenți cercetători din industrie cred acum că următoarea fază a inteligenței artificiale nu va implica doar construirea de modele mai inteligente de către oameni. În schimb, ar putea implica participarea directă a sistemelor de inteligență artificială în propria evoluție.

Una nuova azienda di frontiera AI chiamata Intelligenza Superiore Ricorsiva è emersa dalla stealth con 650 milioni di dollari di finanziamento e un obiettivo insolitamente ambizioso: costruire sistemi di intelligenza artificiale in grado di migliorarsi senza intervento umano diretto.

L’azienda è guidata dal ricercatore di intelligenza artificiale e imprenditore Richard Socher, insieme a un team di fondatori che include importanti ricercatori di Google DeepMind, OpenAI, Meta e accademia.

L’azienda entra nel mercato in un momento in cui l’industria dell’intelligenza artificiale sta rapidamente spostandosi dalla costruzione di modelli linguistici più grandi verso lo sviluppo di sistemi che possono ragionare, adattarsi e condurre ricerche in modo autonomo. Mentre la maggior parte delle aziende di intelligenza artificiale rimane concentrata sull’miglioramento delle prestazioni del modello attraverso l’addestramento guidato dagli esseri umani e l’apprendimento per rinforzo, Intelligenza Superiore Ricorsiva sta perseguendo qualcosa di molto più sperimentale: l’automiglioramento ricorsivo.

Il concetto è stato a lungo discusso nei circoli di intelligenza artificiale come una possibile via verso la superintelligenza. In semplici termini, l’idea è che un sistema di intelligenza artificiale possa identificare le debolezze nella sua stessa architettura, generare nuovi approcci per risolvere quelle debolezze, testare i risultati e continuamente migliorarsi in un ciclo di feedback continuo.

Secondo Socher, la maggior parte delle forme attuali di codifica assistita dall’intelligenza artificiale o di ricerca generata dall’intelligenza artificiale non qualifica come vero automiglioramento ricorsivo. Invece, sostiene che il vero ricorso richiederebbe l’intero ciclo di ideazione, implementazione, testing e raffinamento per avvenire in modo autonomo.

La visione a lungo termine di Richard Socher per l’AI

Socher non è nuovo a progetti ambiziosi di intelligenza artificiale. Prima di fondare Intelligenza Superiore Ricorsiva, divenne ampiamente noto come co-fondatore e amministratore delegato di You.com, un’azienda di ricerca e infrastrutture di intelligenza artificiale che emerse come una delle prime sfide ai motori di ricerca tradizionali.

You.com inizialmente attirò l’attenzione per aver combinato l’intelligenza artificiale conversazionale con la ricerca web anni prima che l’intelligenza artificiale generativa diventasse mainstream. Nel tempo, l’azienda si evolse verso strumenti di intelligenza artificiale per aziende, API e sistemi di intelligenza artificiale focalizzati sulla produttività.

Prima di You.com, Socher ha lavorato come Chief Scientist presso Salesforce e ha costruito una reputazione come uno dei ricercatori più citati nel campo dell’elaborazione del linguaggio naturale. Il suo lavoro accademico ha contribuito a tecniche fondamentali come le rappresentazioni di parole, la comprensione del linguaggio contestuale e le architetture di reti neurali che hanno aiutato a plasmare i moderni sistemi di intelligenza artificiale.

Intelligenza Superiore Ricorsiva sembra rappresentare una diversa fase della carriera di Socher: meno focalizzata sulla distribuzione commerciale di intelligenza artificiale e più focalizzata sulle innovazioni fondamentali nell’intelligenza stessa.

Tuttavia, Socher ha respinto l’idea di descrivere l’azienda come un laboratorio di ricerca puro. Ha sottolineato che l’azienda intende sviluppare prodotti commerciali e crede che applicazioni pratiche potrebbero emergere “in trimestri, non anni”.

L’approccio dell’apertura

Uno dei concetti centrali dietro Intelligenza Superiore Ricorsiva è qualcosa che i ricercatori chiamano “apertura”.

Piuttosto che addestrare modelli verso un singolo obiettivo fisso, i sistemi aperti continuamente generano nuovi ambienti, sfide e forme di adattamento. L’approccio trae ispirazione dall’evoluzione biologica, dove gli organismi costantemente evolvono in risposta a condizioni e adattamenti in competizione.

Il co-fondatore di Intelligenza Superiore Ricorsiva, Tim Rocktäschel, ha lavorato in precedenza sulla ricerca di intelligenza artificiale aperta presso Google DeepMind, inclusi progetti che coinvolgevano modelli di mondo generativi e sistemi di miglioramento autonomo.

Un esempio discusso da Socher coinvolge il “rainbow teaming”, un concetto di sicurezza dell’intelligenza artificiale in cui un sistema di intelligenza artificiale continua ad attaccare e sondare un altro sistema di intelligenza artificiale per esporre vulnerabilità. Invece di affidarsi agli esseri umani per testare manualmente casi di bordo pericolosi, due sistemi di intelligenza artificiale si evolvono efficacemente l’uno contro l’altro nel corso di milioni di iterazioni.

L’idea riflette uno spostamento più ampio che sta avvenendo nella ricerca di frontiera dell’intelligenza artificiale: utilizzare i sistemi di intelligenza artificiale stessi come parte dell’infrastruttura di addestramento, valutazione e sicurezza.

Il calcolo potrebbe diventare la risorsa definitiva

Il lancio di Intelligenza Superiore Ricorsiva rafforza anche un’altra realtà in crescita all’interno dell’intelligenza artificiale: l’importanza crescente delle infrastrutture di calcolo.

Man mano che i modelli diventano più capaci, i costi di addestramento e i requisiti di inferenza continuano a salire in modo esponenziale. Se i sistemi di automiglioramento ricorsivo diventano eventualmente viabili, il calcolo potrebbe diventare ancora più strategicamente importante perché la velocità del progresso dell’intelligenza artificiale sarebbe direttamente legata alla quantità di potenza di elaborazione che può essere allocata ai cicli di automiglioramento.

Socher ha suggerito che le future società potrebbero affrontare decisioni difficili su dove allocare le risorse di calcolo dell’intelligenza artificiale, paragonandolo a decidere quali malattie o problemi scientifici dovrebbero ricevere l’attenzione computazionale più grande.

Questa cornice sottolinea come l’infrastruttura di intelligenza artificiale stia diventando sempre più intrecciata con la geopolitica, i sistemi energetici, le catene di approvvigionamento dei semiconduttori e la competitività nazionale.

Gli investitori continuano a scommettere sui team di frontiera dell’AI

Le dimensioni del round di finanziamento sono anche notevoli considerando quanto l’azienda sia ancora alle prime fasi. Intelligenza Superiore Ricorsiva ha segnalato di avere meno di 30 dipendenti e non ha ancora rilasciato un prodotto pubblico, eppure ha già raggiunto una valutazione di diversi miliardi di dollari.

Il round riflette una tendenza più ampia nel capitale di rischio in cui il talento di ricerca di intelligenza artificiale di élite è diventato una classe di attività di valore. Gli investitori stanno sempre più puntando su team con credibilità tecnica profonda, in particolare ricercatori connessi a organizzazioni come OpenAI, DeepMind e Meta AI.

In molti modi, il mercato sembra spostarsi dal finanziamento di prodotti software al finanziamento di potenziali innovazioni nell’infrastruttura di intelligenza stessa.

Se l’automiglioramento ricorsivo alla fine si dimostrerà realizzabile rimane incerto. Molti ricercatori credono che il concetto potrebbe trasformare completamente lo sviluppo dell’intelligenza artificiale, mentre altri sostengono che le barriere tecniche rimangono enormi.

Ma l’emergere di Intelligenza Superiore Ricorsiva segnala che alcuni dei ricercatori più influenti dell’industria ora credono che la prossima fase dell’intelligenza artificiale potrebbe non coinvolgere semplicemente gli esseri umani che costruiscono modelli più intelligenti. Invece, potrebbe coinvolgere i sistemi di intelligenza artificiale che partecipano direttamente alla loro stessa evoluzione.

Nowa firma zajmująca się sztuczną inteligencją, Recursive Superintelligence, wyłoniła się z fazy stealth z 650 milionami dolarów finansowania i niezwykle ambitnym celem: budową systemów sztucznej inteligencji, które mogą się samodoskonalać bez bezpośredniej interwencji ludzkiej.

Firma jest kierowana przez badacza sztucznej inteligencji i przedsiębiorcę, Richarda Sochera, wraz z zespołem założycielskim, w skład którego wchodzą prominentni badacze z Google DeepMind, OpenAI, Meta i środowiska akademickiego.

Startup wchodzi na rynek w momencie, gdy branża sztucznej inteligencji przechodzi szybką transformację od budowy większych modeli językowych do opracowywania systemów, które mogą samodzielnie rozumieć, adaptować się i prowadzić badania. Podczas gdy większość firm sztucznej inteligencji nadal koncentruje się na poprawie wydajności modeli za pomocą szkolenia i wzmocnienia, Recursive Superintelligence prowadzi coś znacznie bardziej eksperymentalnego: rekursywną samodoskonalność.

Pojęcie to było od dawna dyskutowane w kręgach sztucznej inteligencji jako możliwa droga do superinteligencji. W prostych słowach, idea polega na tym, że system sztucznej inteligencji mógłby identyfikować słabości we własnej architekturze, generować nowe podejścia do rozwiązania tych słabości, testować wyniki i ciągle się doskonalić w ciągłej pętli sprzężenia zwrotnego.

Według Sochera, większość obecnych form kodowania wspomaganego przez sztuczną inteligencję lub badań generowanych przez sztuczną inteligencję nie kwalifikuje się jako prawdziwa rekursywna samodoskonalność. Zamiast tego, twierdzi on, że prawdziwa rekursja wymagałaby, aby cały cykl pomysłów, wdrożenia, testowania i udoskonalania odbywał się samodzielnie.

Wizja Richarda Sochera Na Temat Sztucznej Inteligencji Długoterminowej

Socher nie jest nowy w ambitnych projektach sztucznej inteligencji. Przed założeniem Recursive Superintelligence, stał się szeroko znany jako współzałożyciel i CEO You.com, firmy sztucznej inteligencji i infrastruktury przedsiębiorstw, która wyłoniła się jako wczesny rywal tradycyjnych silników wyszukiwania.

You.com początkowo zyskał uwagę za łączenie sztucznej inteligencji konwersacyjnej z wyszukiwaniem internetowym lat przed tym, zanim sztuczna inteligencja generatywna stała się mainstreamowa. Z czasem firma ewoluowała w kierunku narzędzi przedsiębiorstw, interfejsów API i systemów sztucznej inteligencji ukierunkowanych na produktywność.

Przed You.com Socher pełnił funkcję Chief Scientist w Salesforce i zbudował reputację jako jeden z najczęściej cytowanych badaczy w dziedzinie przetwarzania języka naturalnego. Jego praca akademicka przyczyniła się do podstawowych technik w zakresie osadzania słów, kontekstowego zrozumienia języka i architektur sieci neuronowych, które pomogły ukształtować nowoczesne systemy sztucznej inteligencji.

Recursive Superintelligence wydaje się reprezentować inną fazę kariery Sochera: mniej skoncentrowaną na komercyjnym wdrożeniu sztucznej inteligencji i bardziej ukierunkowaną na fundamentalne przełomy w samej inteligencji.

Jednak Socher odsunął się od opisywania firmy jako czystej laboratorium badawczego. Podkreślił, że firma zamierza opracować produkty komercyjne i wierzy, że praktyczne zastosowania mogą pojawić się w “kwartałach, a nie latach”.

Podejście Otwartej Nieokreśloności

Jednym z centralnych pojęć za Recursive Superintelligence jest coś, co badacze nazywają “otwartą nieokreślonością”.

Zamiast szkolić modele w kierunku jednego stałego celu, systemy otwartej nieokreśloności ciągle generują nowe środowiska, wyzwania i formy adaptacji. Podejście to czerpie inspirację z biologicznej ewolucji, gdzie organizmy ciągle ewoluują w odpowiedzi na zmieniające się warunki i konkurencyjne adaptacje.

Współzałożyciel firmy, Tim Rocktäschel, wcześniej pracował nad badaniami sztucznej inteligencji w Google DeepMind, w tym projektami dotyczącymi modeli świata generatywnych i systemów samodoskonalących się.

Jednym z przykładów omawianych przez Sochera jest “rainbow teaming”, pojęcie bezpieczeństwa sztucznej inteligencji, w którym jeden system sztucznej inteligencji ciągle atakuje i testuje inny system sztucznej inteligencji, aby eksponować słabości. Zamiast polegać na ludziach, którzy ręcznie testują szkodliwe przypadki graniczne, dwa systemy sztucznej inteligencji skutecznie ewoluują względem siebie przez miliony iteracji.

Pomysł ten odzwierciedla szerszą transformację, która zachodzi w badaniach sztucznej inteligencji: wykorzystanie samych systemów sztucznej inteligencji jako części infrastruktury szkoleniowej, oceny i bezpieczeństwa.

Obliczenia Mogą Stać Się Definiującym Zasobem

Uruchomienie Recursive Superintelligence wzmacnia również inną rosnącą rzeczywistość w branży sztucznej inteligencji: rosnące znaczenie infrastruktury obliczeniowej.

Im modele stają się bardziej zaawansowane, koszty szkolenia i wymagania inferencyjne rosną wykładniczo. Jeśli systemy rekursywnego samodoskonalenia ostatecznie staną się wykonalne, obliczenia mogą stać się jeszcze bardziej strategicznie ważne, ponieważ tempo postępu sztucznej inteligencji będzie bezpośrednio związane z ilością mocy obliczeniowej, która może być przydzielona do cykli samodoskonalenia.

Socher sugerował, że przyszłe społeczeństwa mogą stanąć przed trudnymi decyzjami dotyczącymi alokacji zasobów obliczeniowych sztucznej inteligencji, porównując to do decyzji, które choroby lub problemy naukowe powinny otrzymać najwięcej uwagi obliczeniowej.

To ujęcie podkreśla, jak infrastruktura sztucznej inteligencji staje się coraz bardziej spleciona z geopolityką, systemami energetycznymi, łańcuchami dostaw półprzewodników i konkurencyjnością narodową.

Inwestorzy Kontynuują Zakłady Na Zespoły Sztucznej Inteligencji Pionierów

Wielkość rundy finansowania jest również godna uwagi, biorąc pod uwagę, jak wczesny jest jeszcze ten startup. Recursive Superintelligence ma podobno mniej niż 30 pracowników i jeszcze nie wydał publicznego produktu, a już osiągnął wycenę wielu miliardów dolarów.

Runda ta odzwierciedla szerszy trend w kapitale venture, w którym elitarny talent badawczy sztucznej inteligencji sam w sobie stał się cennym aktywem. Inwestorzy coraz częściej stawiają ogromne zakłady na zespoły o głębokiej wiarygodności technicznej, szczególnie badaczy związanych z organizacjami takimi jak OpenAI, DeepMind i Meta AI.

W wielu ways rynki wydają się przechodzić od finansowania produktów oprogramowania do finansowania potencjalnych przełomów w samej infrastrukturze inteligencji.

Czy rekursywna samodoskonalność ostatecznie okaże się osiągalna, pozostaje niepewne. Wiele badaczy uważa, że pojęcie to może przekształcić rozwój sztucznej inteligencji całkowicie, podczas gdy inni twierdzą, że techniczne bariery pozostają ogromne.

Ale pojawienie się Recursive Superintelligence sygnalizuje, że niektórzy z najbardziej wpływowych badaczy branży sztucznej inteligencji teraz wierzą, że następna faza sztucznej inteligencji może nie polegać wyłącznie na budowaniu przez ludzi bardziej inteligentnych modeli. Zamiast tego, może ona polegać na uczestnictwie systemów sztucznej inteligencji w ich własnej ewolucji.

บริษัท AI ใหม่ชื่อ Recursive Superintelligence ได้เผยตัวออกมาจากความลับด้วยเงิน 650 ล้านดอลลาร์และมีเป้าหมายที่มีความทะเยอทะยานอย่างไม่ปกติ: สร้างระบบ AI ที่สามารถปรับปรุงตนเองได้โดยไม่ต้องมีการแทรกแซงโดยตรงจากมนุษย์

บริษัทนี้นำโดยนักวิจัย AI และนักธุรกิจ Richard Socher ร่วมกับทีมผู้ก่อตั้งที่ประกอบด้วยนักวิจัยที่มีชื่อเสียงจาก Google DeepMind, OpenAI, Meta และสถาบันการศึกษา

บริษัทเข้าสู่ตลาดในช่วงเวลาที่อุตสาหกรรม AI กำลังเปลี่ยนแปลงอย่างรวดเร็วจากการจัดสร้างโมเดลภาษาที่ใหญ่ขึ้นไปสู่การพัฒนาระบบที่สามารถให้เหตุผล อดทน และอาจทำการวิจัยด้วยตนเอง ในขณะที่บริษัท AI ส่วนใหญ่ยังคงมุ่งเน้นในการปรับปรุงประสิทธิภาพของโมเดลผ่านการฝึกอบรมและการเรียนรู้แบบเสริมของมนุษย์ Recursive Superintelligence กำลังพัฒนาสิ่งที่เป็นการทดลองมากกว่า: การปรับปรุงตนเองแบบเรียกซ้ำ

แนวคิดนี้ได้ถูกอภิปรายอย่างกว้างขวางในวงการ AI เป็นทางเลือกหนึ่งที่เป็นไปได้ในการพัฒนาอินเทลลิเจนซ์เหนือมนุษย์ ในคำพูดที่ง่ายๆ แนวคิดนี้คือระบบ AI สามารถระบุจุดอ่อนในโครงสร้างของตนเอง สร้างแนวทางใหม่ในการแก้ไขจุดอ่อนเหล่านั้น ทดสอบผลลัพธ์ และปรับปรุงตนเองอย่างต่อเนื่องในวงจรป้อนกลับ

ตามที่ Socher กล่าวว่า รูปแบบ AI ที่ช่วยในการเขียนโค้ดหรือการวิจัยที่สร้างโดย AI ส่วนใหญ่ไม่ถือเป็นการปรับปรุงตนเองแบบเรียกซ้ำที่แท้จริง แทนที่จะโต้แย้งว่าการเรียกซ้ำที่แท้จริงจะต้องมีการดำเนินวงจรทั้งหมดของการสร้างแนวคิด การนำไปใช้ การทดสอบ และการปรับปรุงให้เสร็จสิ้นโดยอัตโนมัติ

วิสัยทัศน์ระยะยาวของ Richard Socher สำหรับ AI

Socher ไม่ใช่ผู้มาใหม่ในโครงการ AI ที่มีความทะเยอทะยาน ก่อนที่จะก่อตั้ง Recursive Superintelligence เขาได้รับการยอมรับอย่างกว้างขวางในฐานะผู้ร่วมก่อตั้งและ CEO ของ You.com บริษัทที่ให้บริการค้นหาและโครงสร้างพื้นฐาน AI สำหรับองค์กรที่เกิดขึ้นเป็นคู่แข่งกับเครื่องมือค้นหาทางดั้งเดิม

You.com ได้รับความสนใจในตอนแรกจากการผสมผสาน AI การสนทนาเข้ากับการค้นหาเว็บหลายปีก่อนที่ AI ที่สร้างข้อมูลจะกลายเป็นกระแสหลัก ในช่วงเวลาต่อมา บริษัทได้พัฒนาไปสู่เครื่องมือ AI สำหรับองค์กร API และระบบ AI ที่มุ่งเน้นการผลิต

ก่อนที่จะเข้าร่วม You.com Socher曾任 Chief Scientist ที่ Salesforce และสร้างชื่อเสียงให้กับตัวเองในฐานะนักวิจัยที่มีการอ้างอิงมากที่สุดในด้านการประมวลผลภาษา自然 His งานวิจัยเชิงวิชาการมีส่วนช่วยพัฒนาเทคนิคพื้นฐานในด้านการฝังคำ การทำความเข้าใจภาษาในบริบท และโครงสร้างเครือข่ายประสาทที่ช่วย塑造ระบบ AI ในยุคปัจจุบัน

Recursive Superintelligence ดูเหมือนจะเป็นตัวแทนของระยะใหม่ในอาชีพการงานของ Socher: มุ่งเน้นน้อยลงในการนำ AI ไปใช้ในเชิงพาณิชย์ และมุ่งเน้นมากขึ้นในการพัฒนาการพัฒนาเชิงพื้นฐานในด้านอินเทลลิเจนซ์เอง

อย่างไรก็ตาม Socher ได้ขัดแย้งกับการอธิบายบริษัทของเขาเป็นเพียงห้องทดลองวิจัย เขาเน้นย้ำว่าบริษัทตั้งใจที่จะพัฒนาผลิตภัณฑ์เชิงพาณิชย์ และเชื่อว่าสามารถนำไปใช้ได้จริงภายใน “ไตรมาส ไม่ใช่ปี”

แนวทางแบบเปิด

หนึ่งในแนวคิดหลักที่อยู่เบื้องหลัง Recursive Superintelligence คือสิ่งที่นักวิจัยเรียกว่า “การเปิดกว้าง”

แทนที่จะฝึกโมเดลเพื่อเป้าหมายเดียวที่ตายตัว ระบบแบบเปิดสร้างสภาพแวดล้อมใหม่ ท้าทาย และรูปแบบการปรับตัวที่ต่อเนื่อง แนวทางนี้ได้รับแรงบันดาลใจจากวิวัฒนาการทางชีวภาพ โดยที่สิ่งมีชีวิตพัฒนาและปรับตัวในตอบสนองต่อสภาพแวดล้อมที่เปลี่ยนแปลงและความปรับตัวที่แข่งขันกัน

ผู้ร่วมก่อตั้ง Tim Rocktäschel ของบริษัทเคยทำงานเกี่ยวกับการวิจัย AI แบบเปิดที่ Google DeepMind รวมถึงโครงการที่เกี่ยวข้องกับโมเดลโลกที่สร้างขึ้นและระบบที่ปรับปรุงตนเอง

ตัวอย่างหนึ่งที่ Socher กล่าวถึงคือ “ทีมสีแรนโบว์” ซึ่งเป็นแนวคิดด้านความปลอดภัยของ AI โดยที่ระบบ AI หนึ่งระบบโจมตีและทดสอบระบบ AI อีกระบบหนึ่งเพื่อเปิดเผยจุดอ่อน แทนที่จะพึ่งพามนุษย์ในการทดสอบกรณีเสียหายที่เป็นอันตราย ระบบ AI สองระบบจะพัฒนาและแข่งขันกันเองในหลายล้านครั้ง

แนวคิดนี้สะท้อนถึงการเปลี่ยนแปลงที่กว้างขึ้นในด้านการวิจัย AI แนวหน้า: การใช้ระบบ AI เองเป็นส่วนหนึ่งของโครงสร้างพื้นฐานในการฝึกอบรม การประเมิน และความปลอดภัย

การประมวลผลอาจกลายเป็นทรัพยากรที่กำหนด

การเปิดตัวของ Recursive Superintelligence ยังเน้นย้ำถึงความเป็นจริงที่เพิ่มขึ้นในอุตสาหกรรม AI: ความสำคัญที่เพิ่มขึ้นของโครงสร้างพื้นฐานการประมวลผล

เมื่อโมเดลมีความสามารถมากขึ้น ค่าใช้จ่ายในการฝึกอบรมและความต้องการการอนุมานจะเพิ่มขึ้นอย่างเป็นเลขชี้กำลัง หากระบบการปรับปรุงตนเองแบบเรียกซ้ำกลายเป็นจริงในอนาคต การประมวลผลอาจกลายเป็นทรัพยากรที่มีความสำคัญยิ่งขึ้น เนื่องจากความเร็วของความก้าวหน้า AI จะเชื่อมโยงโดยตรงกับพลังประมวลผลที่สามารถจัดสรรให้กับวงจรการปรับปรุงตนเอง

Socher เสนอว่าสังคมในอนาคตอาจต้องเผชิญกับการตัดสินใจที่ยากลำบากเกี่ยวกับการจัดสรรทรัพยากรการประมวลผล AI โดยเปรียบเทียบกับการตัดสินใจว่าควรให้ความสำคัญกับการวิจัยหรือปัญหาทางวิทยาศาสตราใดบ้าง

การวางกรอบนี้เน้นย้ำถึงวิธีการที่โครงสร้างพื้นฐาน AI กำลังเชื่อมโยงกับเรื่องการเมืองโลก พลังงาน ระบบการผลิตเซมิคอนดักเตอร์ และการแข่งขันระดับชาติ

นักลงทุนยังคงเดิมพันกับทีม AI แนวหน้า

ขนาดของรอบการระดมทุนนี้ก็เป็นเรื่องที่น่าสังเกต โดยเฉพาะอย่างยิ่งเมื่อพิจารณาว่าบริษัทยังคงอยู่ในช่วงเริ่มต้น Recursive Superintelligence มีพนักงานน้อยกว่า 30 คนและยังไม่ได้เปิดตัวผลิตภัณฑ์ให้กับสาธารณะ แต่ก็ได้รับการประเมินมูลค่าหลายพันล้านดอลลาร์แล้ว

รอบการระดมทุนนี้สะท้อนถึงแนวโน้มในธุรกิจการลงทุนร่วมทุนที่ทีมนักวิจัย AI ที่มีความน่าเชื่อถือทางเทคนิคได้กลายเป็นทรัพย์สินที่มีค่า นักลงทุนกำลังเดิมพันอย่างมากกับทีมที่มีความเชี่ยวชาญทางเทคนิคสูง โดยเฉพาะนักวิจัยที่เชื่อมโยงกับองค์กรเช่น OpenAI, DeepMind และ Meta AI

ในหลายๆ ด้าน ตลาดดูเหมือนจะเปลี่ยนจากการให้ทุนสนับสนุนผลิตภัณฑ์software ไปสู่การให้ทุนสนับสนุนการผ่านพื้นฐานอินเทลลิเจนซ์เอง

ไม่ว่าในกรณีใด การปรับปรุงตนเองแบบเรียกซ้ำจะพิสูจน์ได้ว่าเป็นจริงหรือไม่นั้นยังคงไม่แน่นอน นักวิจัยหลายคนเชื่อว่าแนวคิดนี้สามารถเปลี่ยนแปลงพัฒนาการ AI ทั้งหมด ในขณะที่คนอื่นๆ อ้างว่าข้อจำกัดทางเทคนิคยังคงใหญ่โต

แต่การเกิดขึ้นของ Recursive Superintelligence ส่งสัญญาณว่านักวิจัยที่มีอิทธิพลที่สุดในอุตสาหกรรมบางคนเชื่อว่าระยะหน้าของ AI อาจไม่เพียงแต่เกี่ยวข้องกับการสร้างโมเดลที่ฉลาดขึ้นโดยมนุษย์ แต่ยังเกี่ยวข้องกับการมีส่วนร่วมโดยตรงของระบบ AI ในการวิวัฒนาการของตนเอง

Uusi eturintamainen tekoälyyritys nimeltä Rekursiivinen Yliälyllisyys on tullut julkisuuteen 650 miljoonan dollarin rahoituksella ja poikkeuksellisen kunnianhimoisella tavoitteella: rakentaa tekoälyjärjestelmiä, jotka pystyvät parantamaan itseään ilman suoraa ihmisen väliintuloa.

Yritystä johtaa tekoälytutkija ja yrittäjä Richard Socher, yhdessä perustajatiimin kanssa, johon kuuluu merkittäviä tutkijoita Google DeepMindista, OpenAI:sta, Metasta ja akatemiasta.

Yritys tulee markkinoille hetkenä, jolloin tekoälyteollisuus on nopeasti siirtymässä suurempien kielimallien kehittämisestä järjestelmiin, jotka voivat toimia itsenäisesti, sopeutua ja mahdollisesti tehdä omaa tutkimusta. Vaikka useimmat tekoälyyritykset ovat edelleen keskittyneitä parantamaan mallien suorituskykyä ihmisten johdolla ja vahvistusoppimisella, Rekursiivinen Yliälyllisyys on mukana jotain paljon kokeellisempaa: rekursiivinen itseparantuminen.

Käsite on ollut pitkään keskustelun aiheena tekoälypiireissä mahdollisena tienä ylä älyllisyyteen. Yksinkertaisesti sanottuna, ideana on, että tekoälyjärjestelmä voisi tunnistaa heikkoudet omassa arkkitehtuurissaan, luoda uusia lähestymistapoja näiden heikkouksien ratkaisemiseksi, testata tuloksia ja jatkuvasti parantaa itseään jatkuvassa palautusilmassa.

Socherin mukaan useimmat nykyiset tekoälyavusteiset koodaukset tai tekoälyllä tuotetut tutkimukset eivät ole todellista rekursiivista itseparantumista. Sen sijaan hän väittää, että aito rekursio vaatisi koko ideointi-, toteutus-, testaus- ja hienosäätösyklin tapahtuvan autonomisesti.

Richard Socherin Pitkän Aikavälin Visio Tekoälystä

Socher ei ole uusi uranuurtaja tekoälyprojekteissa. Ennen Rekursiivisen Yliälyllisyyden perustamista hän tuli laajasti tunnetuksi You.com:n perustajana ja toimitusjohtajana, joka oli tekoälyvoimainen hakukone- ja yritys-tekoly-infrastruktuuriyritys, joka tuli esiin perinteisten hakukoneiden haastajana.

You.com sai aluksi huomiota yhdistämällä keskustelutekoälyä web-hakuun vuosia ennen kuin generatiivinen tekoäly tuli suosituksi. Ajan myötä yritys kehittyi kohti yritysten tekoälytyökaluja, API:ja ja tuottavuuteen keskittyneitä tekoälyjärjestelmiä.

Ennen You.com:ia Socher toimi pääasiantuntijana Salesforceissa ja loi maineensa yhtenä luonnollisen kielen prosessoinnin viitatuimmista tutkijoista. Hänen akateeminen työnsä vaikutti perustaviin tekniikoihin sanaupotuksissa, kontekstuaalisessa kielifilosofiassa ja neuroverkkoarkkitehtuureissa, jotka auttoivat muovamaan modernia tekoälyjärjestelmiä.

Rekursiivinen Yliälyllisyys näyttää edustavan eri vaihetta Socherin uralla: vähemmän keskittynyt kaupalliseen tekoälykäyttöön ja enemmän keskittynyt perustaviin läpimurtoihin älykkyyden itsessään.

Kuitenkin Socher on vastustanut yrityksen kuvaamista pelkästään tutkimuslaboratorioksi. Hän on korostanut, että yritys aikoo kehittää kaupallisia tuotteita ja uskoo, että käytännön sovellukset voivat syntyä “neljännesvuosien, ei vuosien” sisällä.

Avoin Lähestymistapa

Yksi Rekursiivisen Yliälyllisyyden keskeisistä käsitteistä on niin kutsuttu “avoin lähestymistapa”.

Sen sijaan, että koulutettaisiin malleja yhteen kiinteään tavoitteeseen, avoimet järjestelmät luovat jatkuvasti uusia ympäristöjä, haasteita ja sopeutumisen muotoja. Lähestymistapa ammentaa inspiraatiota biologisesta evoluutiosta, jossa eliöt jatkuvasti evoluutioituvat muuttuvien olosuhteiden ja muiden sopeutumisten mukana.

Yrityksen perustaja Tim Rocktäschel on aiemmin työskennellyt avoimen tekoälytutkimuksen parissa Google DeepMindissa, mukaan lukien hankkeita, jotka liittyvät generatiivisiin maailmanmalleihin ja itseparantaviin järjestelmiin.

Yksi Socherin esittämä esimerkki on “sateenkaarijoukkue”, tekoälyturvallisuuskäsite, jossa yksi tekoälyjärjestelmä jatkuvasti hyökkää ja tutkii toista tekoälyjärjestelmää paljastaakseen haavoittuvuudet. Sen sijaan, että ihmiset testaisivat manuaalisesti haitallisia reunatapauksia, kaksi tekoälyjärjestelmää kehittyy toisiaan vastaan miljoonien iteraatioiden ajan.

Idean taustalla on laajempi muutos, joka tapahtuu tekoälytutkimuksessa: tekoälyjärjestelmien käyttäminen osana koulutus-, arviointi- ja turvallisuusinfrastruktuuria.

Laskentaresurssit Voivat Tulla Määrittäväksi Resurssiksi

Rekursiivisen Yliälyllisyyden lanseeraus vahvistaa toista kasvavaa todellisuutta tekoälyssä: laskentainfrastruktuurin kasvava merkitys.

Kun mallit kasvavat kykyjensä suhteen, koulutuskustannukset ja deduktiot vaatimukset jatkavat kasvamistaan eksponentiaalisesti. Jos rekursiiviset itseparantumisjärjestelmät lopulta tulevat käyttöön, laskenta voisi tulla vielä strategisemmin tärkeäksi, koska tekoälyn edistymisen nopeus riippuisi suoraan siitä, kuinka paljon prosessointitehoa voidaan aloittaa itseparantumisjaksoihin.

Socher ehdotti, että tulevaisuuden yhteiskunnat saattavat joutua tekemään vaikeita päätöksiä siitä, mihin tekoälyn laskentaresursseja tulisi kohdentaa, vertaamalla sitä siihen, mihin tautiin tai tieteellisiin ongelmiin tulisi kohdentaa eniten laskentaresursseja.

Tämä viitekehyksessä korostuu, miten tekoly-infrastruktuuri on yhä enemmän kietoutunut yhteen geopolitiikan, energiajärjestelmien, puolijohdeketjujen ja kansallisen kilpailukyvyn kanssa.

Sijoittajat Jatkavat Panostusta Eturintamaisiin Tekoälytiimeihin

Rahoituskauden koko on myös merkittävä, kun otetaan huomioon, kuinka varhaisessa vaiheessa yritys vielä on. Rekursiivinen Yliälyllisyys on ilmoittanut, että sillä on alle 30 työntekijää, eikä sillä ole vielä julkaistu julkista tuotetta, mutta se on jo saavuttanut usean miljardin dollarin arvon.

Rahoituskausi heijastaa laajempaa trendiä venture-pääomassa, jossa eliitti-tekolytutkijoiden itsessään on tullut arvokkaaksi omaisuudeksi. Sijoittajat asettavat yhä enemmän panoksia syvään tekniseen uskottavuuteen, erityisesti tutkijoihin, jotka ovat yhteydessä organisaatioihin kuten OpenAI, DeepMind ja Meta AI.

Monilla tavoin markkinat näyttävät siirtyvän ohjelmistotuotteiden rahoittamisesta kohti älykkyyden infrastruktuurin itsensä mahdollisten läpimurtojen rahoittamista.

On epävarmaa, onnistuuko rekursiivinen itseparantuminen lopulta. Monet tutkijat uskovat, että käsite voi muuttaa tekoälykehitystä kokonaan, kun taas toiset väittävät, että Rekursiivisen Yliälyllisyyden ilmestyminen merkitsee, että jotkut alan vaikutusvaltaisimmat tutkijat uskovat, että tekoälyn seuraava vaihe ei välttämättä ole vain ihmisten rakentama älykkäämpiä malleja. Sen sijaan se saattaa vaatia tekoälyjärjestelmien osallistumista suoraan omaan evoluutioonsa.

Tekniset esteet ovat edelleen valtavat.

Nová společnost pro frontovou umělou inteligenci s názvem Rekursivní superinteligence vyšla z utajení s 650 miliony dolarů ve financování a neobvykle ambiciózním cílem: budovat systémy umělé inteligence, které jsou schopné se vylepšovat bez přímého zásahu člověka.

Společnost je vedená výzkumníkem a podnikatelem v oblasti umělé inteligence Richardem Socherem, spolu s zakládajícím týmem, který zahrnuje prominentní výzkumníky z Google DeepMind, OpenAI, Meta a akademické obce.

Startup vstoupí na trh v okamžiku, kdy se průmysl umělé inteligence rychle mění od budování větších jazykových modelů směrem k vývoji systémů, které mohou autonomně uvažovat, přizpůsobovat se a potenciálně provádět svůj vlastní výzkum. Zatímco většina společností pro umělou inteligenci zůstává zaměřena na zlepšování výkonu modelů prostřednictvím lidsky řízeného tréninku a učení posilováním, Rekursivní superinteligence se zaměřuje na něco mnohem experimentálnějšího: rekursivní samo-vylepšování.

Koncept byl již dlouho diskutován v kruzích umělé inteligence jako možná cesta k superinteligenci. V jednoduchých termínech jde o to, že systém umělé inteligence by mohl identifikovat slabá místa ve své vlastní architektuře, generovat nové přístupy k řešení těchto slabých míst, testovat výsledky a neustále se vylepšovat v pokračujícím cyklu zpětné vazby.

Podle Sochera většina současných forem AI-pomocného kódování nebo AI-generovaného výzkumu nevyhovuje skutečnému rekursivnímu samo-vylepšování. Místo toho argumentuje, že skutečná rekurze by vyžadovala, aby celý cyklus ideace, implementace, testování a rafinace probíhal autonomně.

Richard Socherova dlouhodobá vize pro umělou inteligenci

Socher není nový v ambiciózních projektech umělé inteligence. Před založením Rekursivní superinteligence se stal široce známým jako spoluzakladatel a CEO You.com, společnosti pro umělou inteligenci a podnikovou infrastrukturu, která vyšla jako jeden z prvních výzev tradičním vyhledávačům.

You.com最初 získala pozornost pro kombinaci konverzační umělé inteligence s vyhledáváním na webu roky předtím, než se generativní umělá inteligence stala mainstreamovou. V průběhu času se společnost vyvinula směrem k podnikovému nástroji pro umělou inteligenci, API a produktivitě zaměřeným systémům umělé inteligence.

Před You.com působil Socher jako hlavní vědec ve společnosti Salesforce a vybudoval si reputaci jako jeden z nejcitovanějších výzkumníků v oblasti zpracování přirozeného jazyka. Jeho akademická práce přispěla k základním technikám ve word embedincích, kontextovém porozumění jazyka a architekturách neuronových sítí, které pomohly tvarovat moderní systémy umělé inteligence.

Rekursivní superinteligence se zdá být odrazem jiné fáze Socherovy kariéry: méně zaměřené na komerční nasazení umělé inteligence a více zaměřené na fundamentální průlomy v inteligenci samotné.

Přesto Socher zpochybnil popis společnosti jako čistě výzkumné laboratoře. Zdůraznil, že společnost má v úmyslu vyvinout komerční produkty a věří, že praktické aplikace by mohly vzniknout „v čtvrtletích, ne letech“.

Přístup otevřenosti

Jedním z centrálních konceptů za Rekursivní superinteligencí je něco, co výzkumníci označují jako „otevřenost“.

Rather než trénovat modely směrem k jedinému pevnému cíli, otevřené systémy neustále generují nové prostředí, výzvy a formy adaptace. Přístup čerpá inspiraci z biologické evoluce, kde organismy neustále evoluují v reakci na měnící se podmínky a konkurenční adaptace.

Spoluzakladatel společnosti Tim Rocktäschel dříve pracoval na výzkumu otevřené umělé inteligence v Google DeepMind, včetně projektů zahrnujících generativní modely světa a samo-vylepšující se systémy.

Jedním z příkladů, o kterých hovoří Socher, je „rainbow teaming“, koncept bezpečnosti umělé inteligence, kde jeden systém umělé inteligence neustále útočí a testuje jiný systém umělé inteligence, aby odhalil slabá místa. Místo toho, aby se spoléhali na lidi, aby ručně testovali škodlivé hraniční případy, dva systémy umělé inteligence efektivně evoluují proti sobě po miliony iterací.

Nápad odráží širší posun, který se děje v oblasti výzkumu umělé inteligence: použití systémů umělé inteligence samy o sobě jako součásti tréninkové, evaluační a bezpečnostní infrastruktury.

Computační zdroje se mohou stát rozhodujícím faktorem

Spuštění Rekursivní superinteligence také zdůrazňuje další rostoucí realitu v oblasti umělé inteligence: rostoucí důležitost výpočetní infrastruktury.

Čím více jsou modely schopné, tím více rostou náklady na trénink a požadavky na inferenci. Pokud se systémy rekursivního samo-vylepšování nakonec stanou životaschopnými, výpočetní zdroje by mohly být ještě strategicky důležitější, protože rychlost pokroku umělé inteligence by byla přímo spojena s tím, kolik procesorového výkonu lze přidělit k cyklům samo-vylepšování.

Socher naznačil, že budoucí společnosti mohou čelit obtížným rozhodnutím o tom, kam přidělit zdroje umělé inteligence, srovnatelné s rozhodnutím, které nemoci nebo vědecké problémy by měly získat nejvíce výpočetního prostoru.

Tohle rámec zdůrazňuje, jak infrastruktura umělé inteligence se stále více stává propojenou s geopolitikou, energetickými systémy, dodavatelskými řetězci polovodičů a národní konkurenceschopností.

Investoři pokračují ve sázení na týmy frontové umělé inteligence

Velikost kola financování je také pozoruhodná, pokud jde o to, jak brzy je společnost ještě. Rekursivní superinteligence má údajně méně než 30 zaměstnanců a dosud nezveřejnila žádný veřejný produkt, přesto již dosáhla multibilionové valuace.

Kolo odráží širší trend v rizikovém kapitálu, kde elitní talent pro výzkum umělé inteligence sám o sobě se stal cennou třídou aktiv. Investoři stále více umístňují masivní sázky na týmy s hlubokou technickou kredibilitou, zejména na výzkumníky spojené s organizacemi, jako jsou OpenAI, DeepMind a Meta AI.

Ve mnoha ohledech se trh zdá být v přechodu od financování softwarových produktů k financování potenciálních průlomů v infrastruktuře inteligence samotné.

Je nejasné, zda se rekursivní samo-vylepšování nakonec ukáže jako životaschopné. Mnozí výzkumníci věří, že koncept by mohl zcela transformovat vývoj umělé inteligence, zatímco jiní argumentují, že technické bariéry zůstávají enormní.

Ale vznik Rekursivní superinteligence signalizuje, že někteří z nejvlivnějších výzkumníků v oboru nyní věří, že další fáze umělé inteligence nemusí pouze zahrnovat lidi, kteří budují chytrější modely. Místo toho to může zahrnovat systémy umělé inteligence, které se přímo účastní své vlastní evoluce.

Una nueva empresa de inteligencia artificial de frontera llamada Superinteligencia Recursiva ha surgido de la clandestinidad con 650 millones de dólares en financiación y un objetivo inusualmente ambicioso: construir sistemas de inteligencia artificial capaces de mejorarlos sin intervención humana directa.

La empresa está liderada por el investigador y empresario de inteligencia artificial Richard Socher, junto con un equipo fundador que incluye investigadores prominentes de Google DeepMind, OpenAI, Meta y la academia.

La startup entra en el mercado en un momento en que la industria de la inteligencia artificial está cambiando rápidamente de construir modelos de lenguaje más grandes hacia el desarrollo de sistemas que puedan razonar, adaptarse y potencialmente realizar sus propias investigaciones de manera autónoma. Mientras que la mayoría de las empresas de inteligencia artificial siguen centradas en mejorar el rendimiento de los modelos a través de la capacitación y el aprendizaje por refuerzo guiados por humanos, Superinteligencia Recursiva está persiguiendo algo mucho más experimental: la auto-mejora recursiva.

El concepto ha sido discutido durante mucho tiempo en los círculos de la inteligencia artificial como una posible vía hacia la superinteligencia. En términos simples, la idea es que un sistema de inteligencia artificial podría identificar debilidades en su propia arquitectura, generar nuevos enfoques para solucionar esas debilidades, probar los resultados y mejorar continuamente en un ciclo de retroalimentación.

Según Socher, la mayoría de las formas actuales de codificación asistida por inteligencia artificial o investigación generada por inteligencia artificial no califican como una verdadera auto-mejora recursiva. En cambio, argumenta que la recursividad genuina requeriría que todo el ciclo de ideación, implementación, prueba y refinamiento suceda de manera autónoma.

La visión a largo plazo de Richard Socher para la IA

Socher no es nuevo en proyectos de inteligencia artificial ambiciosos. Antes de fundar Superinteligencia Recursiva, se hizo conocido como co-fundador y CEO de You.com, una empresa de búsqueda y infraestructura de inteligencia artificial para empresas que surgió como un desafío temprano a los motores de búsqueda tradicionales.

You.com inicialmente ganó atención por combinar la inteligencia artificial conversacional con la búsqueda en la web años antes de que la inteligencia artificial generativa se convirtiera en mainstream. Con el tiempo, la empresa evolucionó hacia herramientas de inteligencia artificial para empresas, API y sistemas de productividad enfocados en la inteligencia artificial.

Antes de You.com, Socher se desempeñó como Científico Jefe en Salesforce y construyó una reputación como uno de los investigadores más citados en procesamiento de lenguaje natural. Su trabajo académico contribuyó a técnicas fundamentales en incrustaciones de palabras, comprensión de lenguaje contextual y arquitecturas de redes neuronales que ayudaron a dar forma a los sistemas de inteligencia artificial modernos.

Superinteligencia Recursiva parece representar una fase diferente de la carrera de Socher: menos centrada en la implementación comercial de la inteligencia artificial y más enfocada en los avances fundamentales en la inteligencia en sí.

Sin embargo, Socher ha rechazado describir la empresa como un laboratorio de investigación puro. Ha enfatizado que la empresa pretende desarrollar productos comerciales y cree que las aplicaciones prácticas podrían surgir dentro de “trimestres, no años”.

El enfoque de la apertura

Uno de los conceptos centrales detrás de Superinteligencia Recursiva es algo a lo que los investigadores se refieren como “apertura”.

En lugar de entrenar modelos hacia un objetivo fijo, los sistemas abiertos generan continuamente nuevos entornos, desafíos y formas de adaptación. El enfoque toma inspiración de la evolución biológica, donde los organismos evolucionan constantemente en respuesta a condiciones cambiantes y adaptaciones competitivas.

El co-fundador de la empresa, Tim Rocktäschel, trabajó previamente en la investigación de inteligencia artificial abierta en Google DeepMind, incluyendo proyectos que involucraban modelos de mundo generativos y sistemas de auto-mejora.

Un ejemplo discutido por Socher implica “equipo de arco iris”, un concepto de seguridad de la inteligencia artificial donde un sistema de inteligencia artificial ataca y prueba continuamente a otro sistema de inteligencia artificial para exponer vulnerabilidades. En lugar de confiar en humanos para probar manualmente casos de borde dañinos, dos sistemas de inteligencia artificial efectivamente evolucionan uno contra el otro durante millones de iteraciones.

La idea refleja un cambio más amplio que está sucediendo en la investigación de inteligencia artificial de frontera: utilizar los sistemas de inteligencia artificial en sí como parte de la infraestructura de capacitación, evaluación y seguridad.

El cómputo puede convertirse en el recurso definitorio

El lanzamiento de Superinteligencia Recursiva también refuerza otra realidad creciente dentro de la inteligencia artificial: la importancia creciente de la infraestructura de cómputo.

A medida que los modelos se vuelven más capaces, los costos de capacitación y los requisitos de inferencia continúan aumentando exponencialmente. Si los sistemas de auto-mejora recursiva eventualmente se vuelven viables, el cómputo podría convertirse en aún más estratégicamente importante porque la velocidad del avance de la inteligencia artificial estaría directamente vinculada a cuánta potencia de procesamiento se puede asignar a los ciclos de auto-mejora.

Socher sugirió que las sociedades futuras pueden enfrentar decisiones difíciles sobre dónde asignar los recursos de cómputo de la inteligencia artificial, comparándolo con decidir qué enfermedades o problemas científicos deberían recibir la mayor atención computacional.

Esa formulación destaca cómo la infraestructura de inteligencia artificial está cada vez más entrelazada con la geopolítica, los sistemas de energía, las cadenas de suministro de semiconductores y la competitividad nacional.

Los inversores siguen apostando por equipos de inteligencia artificial de frontera

El tamaño de la ronda de financiación también es notable dado lo temprano que está la empresa. Superinteligencia Recursiva tiene menos de 30 empleados y no ha lanzado aún un producto público, pero ya ha logrado una valoración de varios miles de millones de dólares.

La ronda refleja una tendencia más amplia en el capital de riesgo donde el talento de investigación de inteligencia artificial de élite en sí se ha convertido en una clase de activos valiosa. Los inversores están colocando apuestas masivas en equipos con credibilidad técnica profunda, particularmente investigadores conectados a organizaciones como OpenAI, DeepMind y Meta AI.

De muchas maneras, el mercado parece estar cambiando de financiar productos de software hacia financiar posibles avances en la infraestructura de inteligencia en sí.

Si la auto-mejora recursiva eventualmente resulta alcanzable, sigue siendo incierto. Muchos investigadores creen que el concepto podría transformar por completo el desarrollo de la inteligencia artificial, mientras que otros argumentan que las barreras técnicas siguen siendo enormes.

Pero el surgimiento de Superinteligencia Recursiva señala que algunos de los investigadores más influyentes de la industria ahora creen que la próxima fase de la inteligencia artificial puede no simplemente involucrar a humanos construyendo modelos más inteligentes. En cambio, puede involucrar a los sistemas de inteligencia artificial participando directamente en su propia evolución.

Une nouvelle entreprise d’IA de pointe appelée Intelligence superrecursive est sortie de la clandestinité avec 650 millions de dollars de financement et un objectif inhabituellement ambitieux : construire des systèmes d’IA capables de s’améliorer sans intervention humaine directe.

L’entreprise est dirigée par le chercheur et entrepreneur en IA Richard Socher, aux côtés d’une équipe fondatrice qui comprend des chercheurs éminents de Google DeepMind, OpenAI, Meta et du monde universitaire.

L’entreprise entre sur le marché à un moment où l’industrie de l’IA est en train de passer rapidement de la construction de modèles de langage plus grands à la mise au point de systèmes capables de raisonner, de s’adapter et de mener leurs propres recherches de manière autonome. Alors que la plupart des entreprises d’IA restent concentrées sur l’amélioration des performances des modèles par le biais d’une formation et d’un apprentissage par renforcement guidés par l’homme, Intelligence superrecursive poursuit quelque chose de beaucoup plus expérimental : l’auto-amélioration récursive.

Le concept a longtemps été discuté dans les cercles de l’IA comme un chemin possible vers la superintelligence. En termes simples, l’idée est qu’un système d’IA pourrait identifier les faiblesses de son propre architecture, générer de nouvelles approches pour résoudre ces faiblesses, tester les résultats et s’améliorer continuellement dans une boucle de rétroaction continue.

Selon Socher, la plupart des formes actuelles de codage assisté par IA ou de recherche générée par IA ne constituent pas une véritable auto-amélioration récursive. Au lieu de cela, il soutient que la récursivité véritable nécessiterait que l’ensemble du cycle d’idéation, de mise en œuvre, de test et de raffinement se produise de manière autonome.

La vision à long terme de Richard Socher pour l’IA

Socher n’est pas nouveau dans les projets d’IA ambitieux. Avant de fonder Intelligence superrecursive, il est devenu largement connu en tant que co-fondateur et PDG de You.com, une entreprise de recherche et d’infrastructure d’IA pour les entreprises qui est apparue comme un défi précoce aux moteurs de recherche traditionnels.

You.com a initialement attiré l’attention pour avoir mélangé l’IA conversationnelle avec la recherche sur le Web des années avant que l’IA générative ne devienne mainstream. Au fil du temps, l’entreprise a évolué vers des outils d’IA pour les entreprises, des API et des systèmes d’IA axés sur la productivité.

Avant You.com, Socher a occupé le poste de scientifique en chef chez Salesforce et a acquis une réputation de l’un des chercheurs les plus cités dans le traitement du langage naturel. Ses travaux universitaires ont contribué à des techniques fondamentales dans les embeddings de mots, la compréhension du langage contextuel et les architectures de réseaux de neurones qui ont aidé à façonner les systèmes d’IA modernes.

Intelligence superrecursive semble représenter une phase différente de la carrière de Socher : moins axée sur le déploiement commercial de l’IA et plus axée sur les avancées fondamentales dans l’intelligence elle-même.

Cependant, Socher a rejeté la description de l’entreprise comme un simple laboratoire de recherche. Il a souligné que l’entreprise a l’intention de développer des produits commerciaux et croit que des applications pratiques pourraient émerger dans « des trimestres, et non des années ».

L’approche de l’ouverture

L’un des concepts centraux derrière Intelligence superrecursive est ce que les chercheurs appellent « l’ouverture ».

Au lieu de former des modèles vers un objectif fixe unique, les systèmes ouverts génèrent continuellement de nouveaux environnements, défis et formes d’adaptation. L’approche s’inspire de l’évolution biologique, où les organismes évoluent constamment en réponse à des conditions changeantes et à des adaptations concurrentes.

Le co-fondateur de l’entreprise, Tim Rocktäschel, a précédemment travaillé sur la recherche d’IA ouverte à Google DeepMind, notamment sur des projets impliquant des modèles de monde génératifs et des systèmes s’améliorant eux-mêmes.

Un exemple discuté par Socher implique « l’équipe arc-en-ciel », un concept de sécurité de l’IA où un système d’IA attaque et sonde continuellement un autre système d’IA pour exposer les vulnérabilités. Au lieu de compter sur les humains pour tester manuellement les cas de bord dangereux, deux systèmes d’IA évoluent essentiellement les uns contre les autres sur des millions d’itérations.

L’idée reflète un changement plus large qui se produit dans la recherche d’IA de pointe : utiliser les systèmes d’IA eux-mêmes comme partie de l’infrastructure de formation, d’évaluation et de sécurité.

Le calcul peut devenir la ressource déterminante

Le lancement d’Intelligence superrecursive renforce également une autre réalité croissante dans l’IA : l’importance croissante de l’infrastructure de calcul.

À mesure que les modèles deviennent plus capables, les coûts de formation et les exigences d’inférence continuent d’augmenter de manière exponentielle. Si les systèmes d’auto-amélioration récursive finissent par devenir viables, le calcul pourrait devenir encore plus stratégiquement important car la vitesse du progrès de l’IA serait directement liée à la quantité de puissance de traitement qui peut être allouée aux cycles d’auto-amélioration.

Socher a suggéré que les sociétés futures pourraient être confrontées à des décisions difficiles sur la manière d’allouer les ressources de calcul d’IA, en les comparant à la décision de savoir quels maladies ou problèmes scientifiques devraient recevoir la plus grande attention computationnelle.

Cette formulation met en évidence la manière dont l’infrastructure d’IA est de plus en plus liée à la géopolitique, aux systèmes énergétiques, aux chaînes d’approvisionnement de semi-conducteurs et à la compétitivité nationale.

Les investisseurs continuent de parier sur les équipes d’IA de pointe

La taille du tour de financement est également notable étant donné à quel point l’entreprise est encore en début de parcours. Intelligence superrecursive aurait moins de 30 employés et n’a pas encore publié de produit public, mais elle a déjà atteint une valorisation de plusieurs milliards de dollars.

Le tour reflète une tendance plus large dans le capital-risque où le talent de recherche en IA est devenu une classe d’actifs précieuse. Les investisseurs placent de plus en plus de paris massifs sur des équipes dotées d’une crédibilité technique profonde, en particulier les chercheurs liés à des organisations comme OpenAI, DeepMind et Meta AI.

De nombreuses manières, le marché semble passer de la mise en fonds de produits logiciels à la mise en fonds de percées potentielles dans l’infrastructure d’intelligence elle-même.

Que l’auto-amélioration récursive se révèle finalement réalisable reste incertain. De nombreux chercheurs pensent que le concept pourrait transformer complètement le développement de l’IA, tandis que d’autres soutiennent que les barrières techniques restent énormes.

Mais l’émergence d’Intelligence superrecursive signale que certains des chercheurs les plus influents de l’industrie pensent maintenant que la prochaine phase de l’IA peut ne pas simplement impliquer la construction par l’homme de modèles plus intelligents. Au lieu de cela, elle peut impliquer la participation directe des systèmes d’IA à leur propre évolution.

شركة جديدة في مجال الذكاء الاصطناعي تسمى الذكاء الاصطناعي التكراري ظهرت من التخفي مع 650 مليون دولار في التمويل وهدف غير عادي: بناء أنظمة ذكاء اصطناعي قادرة على تحسين نفسها دون تدخل بشري مباشر.

تترأس الشركة باحث وريادي في مجال الذكاء الاصطناعي叫 ريتشارد سوخير، إلى جانب فريق مؤسس يتضمن باحثين بارزين من جوجل ديب مايند، أوبن آي آي، ميتا، والاكاديمية.

تدخل الشركة السوق في لحظة يتحول فيها ngành الذكاء الاصطناعي بسرعة من بناء نماذج لغة أكبر نحو تطوير أنظمة يمكنها التفكير المستقل والتكيف والبحث بشكل مستقل. في حين يظل معظم شركات الذكاء الاصطناعي مركزة على تحسين أداء النماذج من خلال التدريب البشري والتوجيه والتعلم التعزيزي، فإن شركة الذكاء الاصطناعي التكراري تتبع شيء أكثر تجريبية: التحسين الذاتي التكراري.

تم讨论 مفهوم التحسين الذاتي التكراري لفترة طويلة في دوائر الذكاء الاصطناعي كطريق محتمل نحو الذكاء الاصطناعي الفائق. في عبارة بسيطة، الفكرة هي أن نظام الذكاء الاصطناعي يمكن أن يحدد نقاط الضعف في هيكله، ويولد مقاربات جديدة لحل نقاط الضعف، واختبار النتائج، وتحسين نفسه بشكل مستمر في حلقة تغذية راجعة.

وفقا لسوخير، فإن معظم أشكال البرمجة المساعدة بالذكاء الاصطناعي أو البحث الذي يتم توليده بواسطة الذكاء الاصطناعي لا يعتبر تحسين ذاتي حقيقي. بدلا من ذلك، يجادل بأن التحسين الذاتي الحقيقي سيتطلب أن يتم كامل دورة التخيل والتنفيذ والاختبار والتحسين بشكل مستقل.

رؤية ريتشارد سوخير الطويلة الأمد للذكاء الاصطناعي

ليس سوخير جديدًا على المشاريع الطموحة في مجال الذكاء الاصطناعي. قبل تأسيس شركة الذكاء الاصطناعي التكراري، أصبح معروفًا على نطاق واسع كشريك مؤسس ومدير تنفيذي لشركة يو.كوم، وهي شركة بحث وتنمية بنية تحتية للذكاء الاصطناعي التي ظهرت كمنافس مبكر للمحركات التقليدية للبحث.

حصلت يوكوم في البداية على اهتمام لدمجها بين الذكاء الاصطناعي التفاعلي وبحث الويب قبل سنوات من أن يصبح الذكاء الاصطناعي التوليدي شائعًا. مع مرور الوقت، تطور الشركة نحو أدوات وأدوات وأدوات ذكاء اصطناعي مركزة على الإنتاجية.

قبل يوكوم، شغل سوخير منصب رئيس العلماء في شركة سالس فورس واكتسب سمعة كأحد أكثر الباحثين استشهادا في معالجة اللغة الطبيعية. ساهم عمله الأكاديمي في تقنيات أساسية في التضمين الكلمة، وفهم اللغة السياقية، وهياكل الشبكات العصبية التي ساهمت في تشكيل أنظمة الذكاء الاصطناعي الحديثة.

تظهر شركة الذكاء الاصطناعي التكراري أنها تمثل مرحلة مختلفة من مسيرة سوخير: أقل تركيزًا على نشر الذكاء الاصطناعي التجاري وأكثر تركيزًا على الانجازات الأساسية في الذكاء نفسه.

ومع ذلك، فقد عارض سوخير وصف الشركة بأنها مختبر أبحاث خالص. لقد شدد على أن الشركة تهدف إلى تطوير منتجات تجارية ويعتقد أن التطبيقات العملية يمكن أن تظهر في غضون “أرباع السنة، وليس سنوات”.

منهج المفتوح

أحد المفاهيم المركزية وراء شركة الذكاء الاصطناعي التكراري هو ما يسميه الباحثون “المفتوح”.

بدلاً من تدريب النماذج نحو هدف محدد، فإن الأنظمة المفتوحة تولد بيئات جديدة وتحديات و_forms من التكيف بشكل مستمر. يأتي هذا المنهج بال启发 من التطور البيولوجي، حيث يتطور الكائنات الحية باستمرار استجابة للظروف المتغيرة والتحديات التنافسية.

عمل شريك المؤسس تيم روكتاشيل سابقًا على أبحاث الذكاء الاصطناعي المفتوح في جوجل ديب مايند، بما في ذلك مشاريع تتضمن نماذج عالمية توليدية وأنظمة تتحسن ذاتيًا.

تتضمن واحدة من الأمثلة التي ناقشها سوخير “فريق قوس قزح”، وهو مفهوم أمان الذكاء الاصطناعي حيث يهاجم نظام الذكاء الاصطناعي ويخترق نظام الذكاء الاصطناعي الآخر بشكل مستمر ليكشف عن نقاط الضعف. بدلاً من الاعتماد على البشر لاختبار الحالات الحافة الضارة يدوياً، فإن نظامي الذكاء الاصطناعي يتحولان بشكل فعال ضد بعضهما البعض على مدار ملايين التكرارات.

تجسد الفكرة تحولًا أوسع نطاقًا يحدث عبر أبحاث الذكاء الاصطناعي المتقدمة: استخدام أنظمة الذكاء الاصطناعي نفسها كجزء من بنية التدريب والتقييم والأمان.

الحوسبة قد تصبح الموارد الحاسمة

كما يعزز إطلاق شركة الذكاء الاصطناعي التكراري حقيقة أخرى متزايدة الأهمية في مجال الذكاء الاصطناعي: أهمية بنية الحوسبة.

随着 نمو قدرات النماذج، تزداد تكاليف التدريب ومتطلبات الاستدلال بشكل指数ي. إذا أصبحت أنظمة التحسين الذاتي التكراري قابلة للتطبيق في النهاية، فإن الحوسبة قد تصبح أكثر أهمية بشكل استراتيجي لأن سرعة تقدم الذكاء الاصطناعي سترتبط مباشرة بالكمية من طاقة المعالجة التي يمكن تخصيصها لدورات التحسين الذاتي.

اقترح سوخير أن المجتمعات المستقبلية قد تواجه قرارات صعبة حول تخصيص موارد الحوسبة، مقارنة بتحديد الأمراض أو المشاكل العلمية التي يجب أن تتلقى أكبر قدر من الاهتمام الحاسوبي.

يبرز هذا السياق كيف تصبح بنية الحوسبة متشابكة بشكل متزايد مع الجيوسياسة وشبكات الطاقة وسلاسل توريد الشبكات وتطوير البلدان.

المستثمرون يواصلون الرهان على فرق الذكاء الاصطناعي المتقدمة

كما يُلاحظ حجم جولة التمويل، بالنظر إلى مدى بدائية الشركة. يُreported أن شركة الذكاء الاصطناعي التكراري لديها أقل من 30 موظفًا ولم تنشر بعد منتجًا عامًا، ومع ذلك فقد حققت بالفعل تقييمًا يصل إلى مليارات الدولارات.

ت反映 الجولة اتجاهًا أوسع في رأس المال الاستثماري حيث أصبحت مواهب البحث في الذكاء الاصطناعي فئة قيمة herself. المستثمرون يضعون بشكل متزايد رهانات كبيرة على الفرق التي تتمتع بالائتمان الفني العميق، ولا سيما الباحثين المرتبطين بمنظمات مثل أوبن آي آي، ديب مايند، وميتا آي.

في العديد من النواحي، يبدو السوق يتحول من تمويل المنتجات البرمجية نحو تمويل الانجازات المحتملة في بنية الذكاء نفسه.

ما زال من غير المؤكد ما إذا كان التحسين الذاتي التكراري سيتحقق في النهاية. يعتقد العديد من الباحثين أن المفهوم يمكن أن يغير تطوير الذكاء الاصطناعي بشكل كامل، في حين يجادل آخرون بأن

الحدود الفنية لا تزال هائلة. ولكن ظهور الذكاء الاصطناعي التكراري يشير إلى أن بعض أكثر الباحثين تأثيرًا في الصناعة يعتقدون الآن أن المرحلة القادمة من الذكاء الاصطناعي قد لا تتضمن ببساطة بناء نماذج ذكية hơn من قبل البشر. بدلاً من ذلك، قد تتضمن مشاركة أنظمة الذكاء الاصطناعي بشكل مباشر في تطورها.