مدل‌های بزرگ هوش مصنوعی - گنجینه‌های بزرگی از زبان، بینایی و داده‌های صوتی که سرویس‌های هوش مصنوعی مولد را تقویت می‌کنند - در حال شکل‌گیری هستند که در توسعه هوش مصنوعی به همان اندازه که سیستم‌های عامل در توسعه تلفن‌های هوشمند اهمیت داشته‌اند، در حال شکل گیری هستند: ، شبیه سکوهای فضا است (ایده ای که دیگران نیز به آن مشغول هستند). اکنون، یک استارت‌آپ سوئیسی به نام Jua از این پارادایم با جاه‌طلبی برای ایجاد مرز جدیدی برای استفاده از هوش مصنوعی در دنیای فیزیکی استفاده می‌کند. 16 میلیون دلار برای ساخت آنچه که اساساً یک مدل "فیزیکی" بزرگ برای جهان طبیعی است، جمع آوری کرده است.

این شرکت هنوز در مراحل اولیه است. اولین کاربرد آن در مدل سازی و پیش بینی الگوهای آب و هوا و آب و هوا خواهد بود، در ابتدا در رابطه با بازیگران صنعت انرژی. این شرکت بيان کرد که قرار است در هفته های آینده راه اندازی شود. سایر صنایعی که قصد دارد با مدل خود هدف قرار دهد شامل کشاورزی، بیمه، حمل و نقل و دولت است.

468 Capital و Green Generation Fund با مشارکت Promus Ventures، Kadmos Capital، Flix Mobility، Session.vc، Virtus Resources Partners، Notion.vc و InnoSuisse، این دور اولیه را برای استارت آپ مستقر در زوریخ رهبری می کنند.

آندریاس برنر، مدیر عامل Jua که شرکت را با همکاری ماروین گابلر، مدیر ارشد فناوری، بنیان‌گذاری کرد، او میگوید که افزایش "نوسان" تغییرات اقلیمی و ژئوپلیتیک منجر به ایجاد نیاز در میان سازمان‌هایی شده است که در دنیای فیزیکی کار می‌کنند - چه در حوزه‌های صنعتی مانند انرژی یا کشاورزی. یا چیز دیگری - برای داشتن مدل سازی و پیش بینی دقیق تر. بر اساس گزارش مرکز ملی اطلاعات زیست محیطی ایالات متحده، سال 2023 سال بزرگی برای بلایای آب و هوایی بود که منجر به صدمات ده ها میلیارد دلاری شد: این وضعیت فعلی است که سازمان ها را وادار می کند تا ابزارهای برنامه ریزی در محل خود داشته باشند، نه برای ابزارهای پیش بینی بهتری را برای تحلیلگران بازار و دیگرانی که از آن داده ها استفاده می کنند ذکر کنید.

این به نوعی مشکل جدیدی نیست - و حتی مشکلی که فن‌آوران تاکنون با هوش مصنوعی به آن پرداخته‌اند.

بخش DeepMind گوگل GraphCast را ساخته است. انویدیا FourCastNet دارد. هوآوی Pangu را دارد که سال گذشته یک مؤلفه آب و هوا را راه اندازی کرد که مورد توجه بسیاری قرار گرفت. همچنین پروژه‌هایی در دست ساخت مدل‌های هوش مصنوعی با استفاده از داده‌های آب‌وهوا برای تطبیق با دیگر رویدادهای طبیعی هستند، همانطور که هفته گذشته در این گزارش در مورد تلاش تیمی برای ایجاد درک جدیدی از الگوهای مهاجرت پرندگان برجسته شد.

پاسخ Jua به آن دو گونه است. اولاً، معتقد است که مدل آن بهتر از مدل های دیگر است، تا حدی به این دلیل که اطلاعات بیشتری را دریافت می کند و بزرگتر است - ادعا می کند که ضریب 20 برابر نسبت به GraphCast. دوم، آب و هوا فقط نقطه شروعی است برای در نظر گرفتن مجموعه وسیع تری از پرسش ها و پاسخ های فیزیکی و چالش ها.

او گفت: «کسب و کارها باید توانایی های خود را برای پاسخ به این همه نوسانات [اقلیمی] بهبود بخشند. پس در کوتاه مدت، این مشکلی است که ما در حال حل آن هستیم. اما با نگاه به آینده، ما در حال ساختن اولین مدل پایه برای دنیای طبیعی هستیم... ما اساساً در حال ساخت یک مدل ماشینی هستیم که در حال یادگیری فیزیک است. .. و این یکی از ارکان کلیدی برای دستیابی به هوش عمومی مصنوعی است، زیرا فقط درک زبان چنین نیست. کافی نیست.»

این شرکت هنوز اولین محصولات خود را عرضه نکرده است، اما جهش ایمانی که سرمایه‌گذاران انجام می‌دهند صرفاً در تبلیغات برای همه چیزهای هوش مصنوعی نیست.

قبل از Jua، گابلر در Q.met، یک بازیکن قدیمی در پیش بینی آب و هوا، تحقیقات را انجام داد. و همچنین روی فناوری یادگیری عمیق برای دولت آلمان کار کرد. برنر در بخش انرژی کار کرده است و قبلا یک استارتاپ نرم افزار مدیریت ناوگان را تاسیس کرده است. مجموع این تجربیات نه تنها آگاهی فنی از مشکلات و راه‌حل‌های بالقوه را پل می‌کند، بلکه درک دست اولی از چگونگی تجربه صنعت را نیز ایجاد می‌کند.

همچنین برخی از کارهای اولیه را به سرمایه‌گذاران و مشتریان احتمالی نشان می‌دهد و ورودی‌های آن‌ها را در مورد داده‌ها دریافت می‌کند، زیرا به توسعه محصول ادامه می‌دهد.

به نظر می رسد یکی از هدف ها اتخاذ رویکرد جدیدی به مفهوم آنچه در مدل های پیش بینی می رود، باشد. برای مثال، هنگام ساخت یک مدل پیش‌بینی آب و هوا، برنر بيان کرد که «استفاده از ایستگاه‌های هواشناسی کاملاً بدیهی است». اما علاوه بر آن، آنچه را که او به عنوان «داده‌های بسیار پر سر و صداتر» توصیف می‌کند، از جمله تصاویر ماهواره‌ای و توپوگرافی اخیر و دیگر «داده‌های جدیدتر و جدیدتر» برای ساخت مدل‌های خود دریافت می‌کند. او توضیح داد: «تفاوت اصلی این است که ما در حال ساخت این سیستم سرتاسری هستیم که در آن همه داده‌هایی که قبلاً در مراحل مختلف زنجیره ارزش استفاده می‌شد، اکنون همه در یک مجموعه آورده می‌شوند. این شرکت بيان کرد که حدود 5 پتابایت (5000 ترابایت) داده آموزشی دارد، در مقابل حدود 45 ترابایت برای GPT3 و (گزارش شده) 1 پتابایت برای GPT4. (درک کنید که داده های زبان ممکن است به داده های کمتری نسبت به مدل دنیای فیزیکی نیاز داشته باشند.)

هدف دیگر - نه کوچک - این است که شرکت در تلاش است تا چیزی کارآمدتر بسازد تا هزینه های عملیاتی را برای خود و مشتریان کاهش دهد. برنر گفت: "سیستم ما 10000 برابر کمتر از سیستم های قدیمی از محاسبات استفاده می کند."

قابل توجه است که Jua به ویژه در این لحظه در حال ظهور و دریافت بودجه است.

مدل های بنیادی در حال شکل گیری هستند تا سنگ بنای چگونگی توسعه نسل بعدی برنامه های کاربردی هوش مصنوعی باشند، پس شرکت هایی که در حال ساخت و کنترل مدل های پایه هستند، ارزش و قدرت بالقوه زیادی دارند.

بزرگترین محرک ها و تکان دهنده ها در این زمینه در حال حاضر شرکت هایی مانند OpenAI، گوگل، مایکروسافت، آنتروپیک، آمازون و متا هستند: همه مشاغل ایالات متحده. این امر باعث شده است تا برخی از فعالیت‌ها در سایر نقاط جهان مانند اروپا برای جستجوی قهرمانان خانگی و تامین مالی آنها به عنوان گزینه‌های جایگزین انجام شود. شایان ذکر است، 468 Capital همچنین از Aleph Alpha آلمان حمایت می کند، که - مانند بازیگران مدل پایه در ایالات متحده - همچنین در حال ساخت مدل های زبان بزرگ است، اما ظاهراً در همکاری نزدیک تر با مشتریان بالقوه است. (یکی از شعارهای آن «حاکمیت در عصر هوش مصنوعی» است).

آندریاس، ماروین و تیم در حال ساختن اولین پایه هوش مصنوعی در جهان برای فیزیک و جهان طبیعی هستند که قادر به ارائه بینش قدرتمند برای طیف وسیعی از صنایع وابسته به درک واقعی طبیعت از شرکت های بیمه و ارائه دهندگان مواد شیمیایی و انرژی خواهد بود. لودویگ انستالر، شریک عمومی این شرکت، در بیانیه‌ای گفت: به تیم‌های برنامه‌ریزی بلایا، سازمان‌های کشاورزی، خطوط هوایی و موسسات خیریه کمک می‌کنند.

یک احساس "مرد خوب" در مورد یک شرکت هوش مصنوعی وجود دارد که قصد دارد درک بهتری از تأثیر تغییرات آب و هوایی بر ما داشته باشد تا به برنامه ریزی بهتر بلایا کمک کند و شاید حتی یک روز از آن برای کمک به درک چگونگی استفاده از آن استفاده شود. کاهش آسیب های محیطی و تصویر بزرگ‌تر برای استارت‌آپی که هدفش ساخت هوش مصنوعی است که بتواند دنیای فیزیکی را درک کند این است که به طور بالقوه می‌توان آن را برای مجموعه‌ای از چالش‌های بسیار گسترده‌تر در علم مواد، زیست‌پزشکی، شیمی و موارد دیگر به کار برد. با این حال، علاوه بر امکان‌سنجی خود مدل، سؤالات زیادی نیز وجود دارد، مشابه سؤالاتی که با سایر مدل‌های هوش مصنوعی روبرو هستند، در مورد ایمنی، قابلیت اطمینان و موارد دیگر، چیزی که Jua از قبل به آن فکر می‌کند، حتی اگر به صورت ابتدایی باشد. در حال حاضر

گابلر گفت: «برای اینکه مدل‌ها کار کنند و پذیرفته شوند، باید یکپارچگی را اعمال کنید. "شما باید مطمئن شوید که مدل ها واقعاً فیزیک را از پایه یاد می گیرند تا مسائل را به درستی حل کنند."

خبرکاو