با این حال، یک سرمایه‌گذاری مولد دیگر هوش مصنوعی مجموعه‌ای از پول را جمع‌آوری کرده است. و مانند دیگران قبل از آن، ماه را نوید می دهد.

Emergence که از جمله بنیانگذاران آن Satya Nitta، رئیس سابق راه حل های جهانی هوش مصنوعی در بخش تحقیقاتی IBM است، روز دوشنبه با ۹۷.۲ میلیون دلار بودجه از Learn Capital به اضافه خطوط اعتباری بیش از ۱۰۰ میلیون دلار، از مخفی کاری خارج شد. Emergence ادعا می کند که در حال ساخت یک سیستم «مبتنی بر عامل» است که می تواند بسیاری از وظایفی را که معمولاً توسط کارکنان دانش انجام می شود، انجام دهد، تا حدی با مسیریابی این وظایف به مدل های AI مولد شخص اول و سوم مانند GPT-4o OpenAI.

Nitta، مدیر عامل Emergence، به TechCrunch گفت: «در Emergence، ما در حال کار بر روی جنبه‌های مختلف حوزه در حال تکامل عوامل هوش مصنوعی مولد هستیم. ما در آزمایشگاه‌های تحقیق و توسعه خود، علم سیستم‌های عامل را پیش می‌بریم و از منظر «اصول اول» با آن مقابله می‌کنیم. این شامل وظایف حیاتی هوش مصنوعی مانند برنامه ریزی و استدلال و همچنین بهبود خود در عوامل است.

نیتا او میگوید که ایده Emergence مدت کوتاهی پس از تأسیس Merlyn Mind که دستیارهای مجازی آموزش محور می‌سازد، به وجود آمد. او متوجه شد که برخی از همان فناوری‌های توسعه‌یافته در مرلین را می‌توان برای خودکارسازی نرم‌افزار ایستگاه کاری و برنامه‌های وب به کار برد.

پس Nitta از همکاران سابق IBMer Ravi Kokku و Sharad Sundararajan برای راه‌اندازی Emergence با هدف «پیشرفت علم و توسعه عوامل هوش مصنوعی» به قول Nitta استفاده کرد.

Nitta گفت: «مدل‌های مولد AI فعلی، اگرچه در درک زبان قدرتمند هستند، اما هنوز در قابلیت‌های برنامه‌ریزی پیشرفته و استدلال لازم برای وظایف پیچیده‌تر اتوماسیون که منشأ عوامل هستند، عقب هستند. "این چیزی است که Emergence در آن تخصص دارد."

Emergence یک نقشه راه بسیار آرزویی دارد که شامل پروژه‌ای به نام Agent E است که به دنبال خودکارسازی وظایفی مانند پر کردن فرم‌ها، جستجوی محصولات در بازارهای آنلاین و پیمایش سرویس‌های استریم مانند Netflix است. شکل اولیه عامل E در حال حاضر در دسترس است که بر روی ترکیبی از داده های مصنوعی و مشروح شده توسط انسان آموزش داده شده است. اما اولین محصول نهایی Emergence چیزی است که Nitta به عنوان یک عامل "ارکستراتور" توصیف می کند.

این ارکستراتور، دوشنبه منبع باز، هیچ وظیفه ای را خودش انجام نمی دهد. بلکه به‌عنوان نوعی تعویض‌کننده مدل خودکار برای اتوماسیون‌های گردش کار عمل می‌کند. با در نظر گرفتن مواردی مانند قابلیت ها و هزینه استفاده از یک مدل (اگر شخص ثالث باشد)، ارکستراتور کار را باید انجام دهد - به عنوان مثال، نوشتن یک ایمیل - سپس مدلی را از یک فهرست تنظیم شده توسط توسعه دهنده برای تکمیل آن انتخاب می کند. وظیفه.

Nitta گفت: «توسعه‌دهندگان می‌توانند نرده‌های محافظ مناسب اضافه کنند، از مدل‌های متعدد برای گردش کار و برنامه‌های خود استفاده کنند، و بدون نگرانی در مورد مسائلی مانند هزینه، مهاجرت سریع یا در دسترس بودن، به‌طور یکپارچه به آخرین مدل منبع باز یا عمومی در صورت تقاضا تغییر دهند.

ارکستراتور Emergence از نظر مفهومی کاملاً شبیه به راه‌اندازی مدل مریخی استارت‌آپ هوش مصنوعی است که درخواستی را که برای یک مدل هوش مصنوعی در نظر گرفته شده است دریافت می‌کند و بسته به مواردی مانند زمان کار و ویژگی‌ها به طور خودکار آن را به مدل‌های مختلف هدایت می‌کند. استارت‌آپ دیگری، Credal، راه‌حل‌های اساسی‌تری برای مسیریابی مدل ارائه می‌کند که توسط قوانین سخت‌کد شده هدایت می‌شود.

نیتا شباهت ها را انکار نمی کند. اما او نه چندان زیرکانه پیشنهاد می کند که فناوری مسیریابی مدل Emergence از سایرین قابل اعتمادتر است. او همچنین خاطرنشان می کند که ویژگی های پیکربندی اضافی مانند انتخابگر مدل دستی، مدیریت API و داشبورد نمای کلی هزینه را ارائه می دهد.

او گفت: «نماینده ارکستر ما با درک عمیقی از مقیاس‌پذیری، استحکام و در دسترس بودن که سیستم‌های سازمانی به آن نیاز دارند ساخته شده است و با چندین دهه تجربه که تیم ما در ساخت برخی از مقیاس‌پذیرترین استقرارهای هوش مصنوعی در جهان دارد، پشتیبانی می‌شود.»

Emergence قصد دارد در هفته‌های آینده با یک نسخه ممتاز میزبانی شده و در دسترس از طریق یک API از ارکستراتور کسب درآمد کند. اما این تنها بخشی از برنامه بزرگ این شرکت برای ساختن پلتفرمی است که از جمله موارد دیگر، ادعاها و اسناد را پردازش می کند، سیستم های فناوری اطلاعات را مدیریت می کند و با سیستم های مدیریت ارتباط با مشتری مانند Salesforce و Zendesk ادغام می شود تا سوالات مشتری را تحلیل کند.

در این راستا، Emergence او میگوید که با سامسونگ و شرکت نمایشگرهای لمسی Newline Interactive - که هر دو از مشتریان فعلی Merlyn Mind هستند، مشارکت‌های استراتژیک ایجاد کرده است تا فناوری Emergence را در محصولات آینده ادغام کند.

کدام محصولات خاص و چه زمانی می توانیم منتظر دیدن آنها باشیم؟ نیتا بيان کرد که نمایشگرهای تعاملی WAD سامسونگ و نمایشگرهای سری Q و Q Pro از نیولاین، اما او پاسخی برای سوال دوم نداشت، به این معنی که این روزها خیلی زود است.

نمی توان انکار کرد که عوامل هوش مصنوعی در حال حاضر سر و صدا هستند. نیروگاه‌های مولد هوش مصنوعی OpenAI و Anthropic، مانند شرکت‌های فناوری بزرگ، از جمله گوگل و آمازون، در حال توسعه محصولات نمایندگی با انجام وظایف هستند.

اما مشخص نیست که تمایز Emergence در کجا قرار دارد، علاوه بر مقدار قابل توجهی پول نقد از دروازه شروع.

TechCrunch اخیراً یکی دیگر از استارتاپ‌های عامل هوش مصنوعی، Orby را با طرح فروش مشابه پوشش داد: عوامل هوش مصنوعی برای کار در طیف وسیعی از نرم‌افزارهای دسکتاپ آموزش دیده‌اند. Adept نیز در همین راستا در حال توسعه فناوری بود، اما علیرغم جمع آوری بیش از 415 میلیون دلار، ظاهراً اکنون خود را در آستانه کمک مالی از سوی مایکروسافت یا متا می بیند.

Emergence خود را به‌عنوان یک تحقیق و توسعه سنگین‌تر از بسیاری از موارد دیگر نشان می‌دهد: اگر بخواهید، «OpenAI of agents» با یک آزمایشگاه تحقیقاتی که به تحلیل چگونگی برنامه‌ریزی، استدلال و خودسازی عوامل اختصاص داده شده است. و این طراحی از یک استخر استعداد چشمگیر است. بسیاری از محققان و مهندسان نرم افزار آن از گوگل، متا، مایکروسافت، آمازون و موسسه هوش مصنوعی آلن هستند.

Nitta او میگوید که چراغ راهنمای Emergence در کنار ساختن خدمات پولی در کنار تحقیقات خود، یک کتاب راهنما که از بخش نرم‌افزار به‌عنوان سرویس به عاریت گرفته شده است، کار در دسترس را در اولویت قرار خواهد داد. او ادعا می کند که ده ها هزار نفر در حال حاضر از نسخه های اولیه خدمات Emergence استفاده می کنند.

Nitta گفت: "اعتقاد ما این است که کار ما برای اینکه چگونه چندین گردش کار سازمانی در آینده خودکار شوند، اساسی می شود."

من را بدبین کنید، اما من متقاعد نیستم که تیم 50 نفره Emergence بتواند از بقیه بازیکنان در فضای مولد هوش مصنوعی پیشی بگیرد – و نه اینکه چالش های فنی فراگیر که هوش مصنوعی مولد را تهدید می کند، مانند توهمات و هزینه های سنگین را حل کند. در حال توسعه مدل ها Devin از Cognition Labs، یکی از عوامل با بهترین عملکرد برای ساخت و استقرار نرم‌افزار، تنها موفق می‌شود در یک تست معیاری که توانایی حل مشکلات در GitHub را اندازه‌گیری می‌کند، نرخ موفقیت 14% را بدست آورد. واضح است که کارهای زیادی باید انجام شود تا به نقطه ای برسیم که عوامل بتوانند فرآیندهای پیچیده را بدون نظارت انجام دهند.

ظهور سرمایه ای برای تلاش دارد - در حال حاضر. اما ممکن است در آینده چنین نشود زیرا VCها - و کسب و کارها - نسبت به مسیر فناوری هوش مصنوعی مولد به سمت بازگشت سرمایه ابراز تردید می کنند.

Nitta، با طرح اعتماد شخصی که استارتاپش به تازگی 100 میلیون دلار جمع آوری کرده است، اظهار داشت که Emergence موقعیت خوبی برای موفقیت دارد.

او گفت: «Emergence به دلیل تمرکز بر حل مشکلات اساسی زیرساخت هوش مصنوعی که دارای بازگشت سرمایه روشن و فوری برای شرکت‌ها است، انعطاف‌پذیر است. "مدل تجاری هسته باز ما، همراه با خدمات ممتاز، جریان درآمد ثابتی را تضمین می کند و در عین حال جامعه رو به رشدی از توسعه دهندگان و پذیرندگان اولیه را تقویت می کند."

به زودی خواهیم دید

خبرکاو