Mirendil tahab anda teadlastele AI, mis parandab AI-d ennast
Mirendil, uus endiste Anthropicu ja Google’i teadlaste labor, teatas 200 miljoni dollari suurusest seed-voorust 1 miljardi dollari väärtuse juures. Wall Street Journali ja Techmeme’i andmetel juhtisid vooru Andreessen Horowitz ja Kleiner Perkins, nendega liitusid NVIDIA ja teised investorid.
Pealtnäha on see veel üks riskikapitali suur panus AI-startupile. Kuid Mirendili mõte on tavalisest rahauudisest huvitavam: ettevõte tahab ehitada süsteeme, mis kiirendavad AI-mudelite endi arendust. Ehk mitte lihtsalt “AI keemikutele” või “AI bioloogidele”, vaid AI R&D kihti, mis aitab laboritel luua oma spetsialiseeritud mudeleid kiiremini ja odavamalt.
Miks see on oluline ka väljaspool riskikapitali
Suured AI-laborid kasutavad juba mudeleid koodi kirjutamiseks, eksperimentide ettevalmistamiseks, tulemuste analüüsimiseks ja arhitektuuriliste paranduste otsimiseks. Kuid ligipääs sellisele tsüklile on koondunud mõne mängija kätte: vaja on kallist arvutusvõimsust, tugevat uurimistiimi, andmeid, taristut ja sisemisi tööriistu.
Mirendil lubab selle lähenemise laiemalt kasutusele võtta. Ametlikul saidil kirjutab ettevõte, et iga labor, mis tahab rakendada AI-d drug discovery’s, keemias, bioloogias või robootikas, peab täna sisuliselt ise frontier AI laboriks muutuma. Startupi eesmärk on muuta frontier AI R&D kättesaadavamaks ning kiirendada teadus- ja tehnoloogiaprojekte, mis sõltuvad tehisintellektist.
Lugeja jaoks on see oluline maakaart: mudelivõistlus muutub järk-järgult labori operatsioonisüsteemide võistluseks. Võidab mitte ainult see, kes treenis kõige tugevama mudeli, vaid see, kes seab kiiremini üles eksperimente, kontrollib hüpoteese ja parandab järgmist arendustsüklit.
Kus risk asub
Fraas “AI, mis parandab AI-d” kõlab efektselt, kuid just see teeb loo tundlikuks. Open-source tiimidele ja ülikoolilaboritele on see võimalus suletud hiiglastest mitte maha jääda. Meditsiini ja materjaliteaduse jaoks tähendab see võimalust koguda kiiremini kitsaid mudeleid konkreetsete ülesannete jaoks, ootamata Big Techi universaalset toodet.
Kuid mudelite rekursiivne parandamine jääb turvalisuse mõttes vaidlusaluseks alaks. Kui süsteem suudab üha autonoomsemalt muuta koodi, arhitektuuri, andmeid ja uurimisprotseduure, muutuvad keskseks kontroll, kontrollitavus ja kasutuspiirid. Mirendil räägib frontier AI R&D demokratiseerimisest; turg hakkab nüüd vaatama, kas seda saab ühendada usaldusväärse järelevalvega.
Mida edasi jälgida
Mirendilil pole veel avalikku toodet, mida saaks hinnata nagu tavalist teenust. Ettevõte ütleb, et kavatseb lähikuudel välja lasta mudeli ja toote kasutajate tagasiside jaoks. Seega on peamine test alles ees: kas sellest saab päris tööriist teadus- ja open-source tiimidele või on see praegu kallis avaldus osalemiseks eneseparandavate AI-laborite võidujooksus.
Kui Mirendilil õnnestub, muutub mõiste “AI lab” vähem seotuks mõne korporatsiooniga. Kui ei õnnestu, näitab lugu ikkagi turu suunda: järgmised suured rahad ei lähe ainult vestlusrobotitesse ja pildigeneraatoritesse, vaid masinatesse, mis aitavad ehitada järgmisi masinaid.
