Erfahren Sie, wie Imbue 200 Millionen US-Dollar aufbringt, um KI-Modelle zu entwickeln, die "robust argumentieren" können!

Imbue, das KI-Forschungslabor, das früher unter dem Namen Generally Intelligent bekannt war, hat in einer Finanzierungsrunde der Serie B 200 Millionen US-Dollar aufgebracht, wodurch das Unternehmen mit über 1 Milliarde US-Dollar bewertet wird. Zu den Teilnehmern gehören das Astera Institute, Nvidia, der CEO von Cruise Kyle Vogt und der Mitbegründer von Notion Simon Last.

Mit der neuen Tranche erhöht sich das von Imbue eingeworbene Gesamtkapital auf 220 Millionen US-Dollar, was es zu einem der am besten finanzierten KI-Startups der letzten Monate macht. Es liegt nur geringfügig vor AI21 Labs (283 Millionen US-Dollar), einem Unternehmen mit Sitz in Tel Aviv, das eine Reihe von generativen KI-Tools entwickelt, sowie vor generativen KI-Anbietern wie Cohere (445 Millionen US-Dollar) und Adept (415 Millionen US-Dollar).

Imbues neuer Ansatz

"Diese neueste Finanzierung wird unsere Entwicklung von KI-Systemen beschleunigen, die logisch denken und kodieren können, damit sie uns helfen können, größere Ziele in der Welt zu erreichen", schrieb Imbue in einem Blogbeitrag, der heute Morgen veröffentlicht wurde. "Unser Ziel bleibt dasselbe: praktische KI-Agenten zu bauen, die in der Lage sind, größere Ziele zu erreichen und in der realen Welt sicher für uns zu arbeiten."

Imbue wurde im Oktober letzten Jahres mit einem ehrgeizigen Ziel ins Leben gerufen: Er sollte nach den Grundlagen der menschlichen Intelligenz suchen, die Maschinen noch nicht haben. Sein Plan, wie er Toukiela damals vorgestellt wurde, bestand darin, diese "Grundlagen" in eine Reihe von zu lösenden Aufgaben umzuwandeln, verschiedene KI-Modelle zu entwerfen und ihre Fähigkeit zu testen, zu lernen, wie man diese Aufgaben in komplexen, vom Imbue-Team erstellten 3D-Welten löst.

Allerdings scheint sich der Ansatz des Unternehmens seitdem etwas geändert zu haben. Anstatt die KI in 3D-Welten zu entlassen, entwickelt Imbue nach eigenen Angaben Modelle, die sie für den Anfang als "intern nützlich" erachtet, darunter auch Modelle, die codieren können (à la GitHub Copilot und Amazon CodeWhisperer).

Robustes Denken als größtes Hindernis

Viele Modelle können codieren. Aber was die von Imbue auszeichnet, ist ihre Fähigkeit, "robust zu argumentieren", sagt das Unternehmen.

"Wir glauben, dass die Argumentation das Haupthindernis für effektive KI-Agenten ist", schreibt Imbue in dem Blogbeitrag. "Robuste Argumentation ist für effektives Handeln notwendig. Es beinhaltet die Fähigkeit, mit Unsicherheit umzugehen, zu wissen, wann wir unseren Ansatz ändern müssen, Fragen zu stellen und neue Informationen zu sammeln, Szenarien durchzuspielen und Entscheidungen zu treffen, Hypothesen aufzustellen und zu verwerfen und generell mit der komplizierten und schwer vorhersehbaren Natur der realen Welt umzugehen."

Imbue ist auch davon überzeugt, dass der Code ein wichtiger Anwendungsfall ist, der über seine Fähigkeit hinausgeht, ihrem Team die Entwicklung von KI-Anwendungen im großen Maßstab zu ermöglichen. In dem Blogbeitrag behauptet das Unternehmen, dass Code das Denken verbessern kann und eine der effektivsten Möglichkeiten für Modelle ist, um auf einer Maschine zur Tat zu schreiten.

"Ein Agent, der eine SQL-Abfrage schreibt, um Informationen aus einer Tabelle zu extrahieren, erfüllt mit viel größerer Wahrscheinlichkeit eine Benutzeranfrage als ein Agent, der versucht, die gleichen Informationen ohne Verwendung von Code zusammenzustellen", schreibt das Unternehmen. "Außerdem hilft das Training mit Code den Modellen, besser argumentieren zu lernen; das Training ohne Code scheint Modelle hervorzubringen, die schlecht argumentieren."

Eine Ausbildung mit sehr breiten Vorlagen

Imbue trainiert "sehr große" Modelle - Modelle mit mehr als 100 Milliarden Parametern -, die so optimiert sind, dass sie auf ihren internen Benchmarks für das Schlussfolgern gut abschneiden. Dieses Training wird auf einem von Nvidia mitentwickelten Rechencluster durchgeführt, der 10 000 Grafikprozessoren der H100-Serie von Nvidia enthält.

Imbue investiert auch in den Aufbau ihrer eigenen KI- und maschinellen Lernwerkzeuge, z. B. KI-Prototypen zum Debuggen und visuelle Schnittstellen über KI-Modellen. Und sie betreibt Forschung, um den Lernprozess in großen Sprachmodellen zu verstehen.

Eine zukunftsorientierte Vision

Imbue hat nicht vor, einen Großteil dessen, woran sie arbeitet, vorerst in Produktion zu bringen. Stattdessen sieht sie diese Werkzeuge und Modelle als Mittel, um die zukünftige, generalistischere KI zu verbessern und den Grundstein für eine Plattform zu legen, die die Menschen nutzen können, um ihre eigenen personalisierten Modelle zu erstellen.

"Wenn wir KI-Agenten bauen, bauen wir in Wirklichkeit Computer, die unsere Ziele verstehen, proaktiv kommunizieren und im Hintergrund für uns arbeiten können", fuhr Imbue in dem Blogbeitrag fort. "Letztendlich hoffen wir, dass wir Systeme einrichten können, die es jedem ermöglichen, robuste und personalisierte KI-Agenten zu bauen, wodurch die produktive Kraft der KI für jeden zugänglich wird... Diese neueste Finanzierung wird unsere Entwicklung von KI-Systemen beschleunigen, die logisch denken und kodieren können, damit sie uns helfen können, größere Ziele in der Welt zu erreichen."