Imbue 融資 2 億美元以建立能「堅定地推論」的 AI 模型
簡介
人工智慧研究實驗室 Imbue (前稱 Generally Intelligent)以「堅定地推論」能力為目標,成功在 B 輪融資中募得 2 億美元,使公司估值超過 10 億美元。這輪融資有許多大型機構參與,包括 Astera Institute、Nvidia、Cruise 的 CEO Kyle Vogt 以及 Notion 的共同創辦人 Simon Last。這筆新資金使 Imbue 的總資金達到 2.2 億美元,使其成為最近幾個月資金優渥的人工智慧初創企業之一。
Imbue 的目標
Imbue 去年十月亮相時宣示了其雄心勃勃的目標:研究機器當前所缺乏的人類智慧的基本原理。當時 Imbue 向 TechCrunch 介紹了他們的計劃,即將這些「基本原理」轉化為解決的一系列任務,並設計不同的人工智慧模型,測試它們在 Imbue 團隊構建的複雜三維世界中學習解決這些任務的能力。然而 Imbue 似乎已經調整了他們的方法。Imbue 表示他們正在開發對其自身有用的模型,其中包括能夠編寫程式碼的模型(類似於 GitHub Copilot 和 Amazon CodeWhisperer)。儘管有許多模型都能編寫程式碼,但 Imbue 的模型區別在於它們能夠「堅定地推論」。
推論的重要性
Imbue 認為推論是有效的人工智慧代理人的主要障礙。「堅定地推論」在效果上是必要的。這涉及處理不確保性的能力,知道何時改變方法,提出問題並收集新資訊,展示情境並作出決策,提出和放棄假設以及處理現實世界的複雜和難以預測的性質。Imbue 還認為,程式碼是一個重要的使用案例,超越了只能讓團隊規模化構建人工智慧應用程式的功能。在部落格文章中,Imbue 說,程式碼可以改進推論能力,是模型在機器上採取行動的一種更有效的方法。「一個能夠編寫 SQL 查詢來從表中提取訊息的代理人比一個不使用任何程式碼就嘗試組織相同訊息的代理人更有可能滿足使用者的請求,」該公司寫道。「此外使用程式碼進行訓練有助於模型學會更好地推論;而沒有使用程式碼進行訓練似乎會導致推論能力差的模型。」這一哲學與 Adept 的理念十分相似,Adept 旨在建立能夠自動化任何軟體流程的人工智慧。
Imbue 的訓練
Imbue 表示他們的模型是根據資料訓練的,以「加固良好推論模式」的方式進行訓練,並使用在推理過程中「消耗更多計算資源」的技術來得出「堅定的結論和行動」。具體而言,Imbue 正在對「非常大」的模型進行訓練,這些模型擁有超過 1000 億個引數,並且在推論時專注於最佳化其內部的推論基準。(「引數」是模型從訓練資料中學習到的部分,本質上定義了模型在解決問題時的技能,例如生成文字或程式碼。)這種訓練是在由 Nvidia 共同設計的計算叢集上進行的,該叢集搭載了 Nvidia H100 系列的 10,000 個 GPU。Imbue 還在投資建立自己的人工智慧和機器學習工具,例如用於偵錯的人工智慧原型和建立在人工智慧模型之上的視覺介面。同時他們還在研究大型語言模型的學習過程。Imbue 無意在當前階段將其大部分工作推向市場。相反,他們將這些工具和模型視為改進未來更通用的人工智慧的一種方式,並為建立自己定制模型的人們奠定基礎。
結論
Imbue 建立 AI 系統,實際上是在建立能夠理解我們目標、積極溝通並在背後替我們工作的電腦。最終Imbue 希望能夠推出能讓任何人都能建立堅固的、定制的 AI 系統的系統,使每個人都能夠充分利用人工智慧的生產力。透過這筆最新的融資,Imbue 將加快開發能夠推論和編寫程式碼的 AI 系統,以便能夠幫助我們實現更大的目標。
延伸閱讀
- Pitch Deck 分解:Goodcarbon 的 550 萬種子輪籮
- 澳洲 Ozempic 病患帶動營養專家新創公司 Fay 躍升,隱藏已久,獲得 General Catalyst 和 Forerunner 兩大公司 2500 萬美元融資
- 物流新創公司 Harbor Lab 以由 Atomico 領投的 1600 萬美元 A 輪融資吸引眼球
- Google 推出新一代 AI 模型 LearnLM,助力教育業界革新
- 發現基金領投高效能複合材料初創企業 Layup Parts 的融資
- AI 晶片新創 DEEPX 以 5.29 億美元估值成功籌得 8000 萬美元 C 輪融資
- Checkfirst 完成 150 萬美元的前種子輪融資,應用人工智慧技術進行遠端檢查與稽核
- Xona 太空系統完成 1900 萬美元 A 輪融資,打造超精準 GPS 替代方案
- 德國 Insempra 宣布取得 2000 萬美元 A 輪融資,計畫推動環保脂質生產
- Wiz 完成 10 億美元融資!以 120 億美元估值擴大雲安全平臺的併購計劃