Découvrez comment Imbue lève 200 millions de dollars pour créer des modèles d’IA capables de « raisonner de manière robuste » !

Imbue, le laboratoire de recherche en IA anciennement connu sous le nom de Generally Intelligent, a levé 200 millions de dollars lors d’un tour de financement de série B qui valorise la société à plus de 1 milliard de dollars. Parmi les participants figurent l’Astera Institute, Nvidia, le PDG de Cruise Kyle Vogt et le co-fondateur de Notion Simon Last.

La nouvelle tranche porte le total des fonds levés par Imbue à 220 millions de dollars, ce qui en fait l’une des startups en IA les mieux financées ces derniers mois. Elle est seulement légèrement devancée par AI21 Labs (283 millions de dollars), une entreprise basée à Tel Aviv qui développe une gamme d’outils d’IA génératifs, ainsi que par des fournisseurs d’IA génératifs tels que Cohere (445 millions de dollars) et Adept (415 millions de dollars).

La nouvelle approche d’Imbue

« Ce dernier financement accélérera notre développement de systèmes d’IA capables de raisonner et de coder, afin qu’ils puissent nous aider à atteindre de plus grands objectifs dans le monde », a écrit Imbue dans un article de blog publié ce matin. « Notre objectif reste le même : construire des agents d’IA pratiques capables d’atteindre de plus grands objectifs et de travailler en toute sécurité pour nous dans le monde réel. »

Imbue a été lancé en octobre dernier avec un objectif ambitieux : rechercher les fondements de l’intelligence humaine que les machines n’ont pas encore. Son plan, tel qu’il a été présenté à Toukiela à l’époque, était de transformer ces « fondements » en une série de tâches à résoudre, et de concevoir différents modèles d’IA et de tester leur capacité à apprendre à résoudre ces tâches dans des mondes 3D complexes créés par l’équipe d’Imbue.

Cependant, l’approche de l’entreprise semble avoir quelque peu évolué depuis. Au lieu de libérer l’IA dans des mondes 3D, Imbue affirme qu’elle développe des modèles qu’elle juge « internement utiles » pour commencer, y compris des modèles capables de coder (à la GitHub Copilot et à l’Amazon CodeWhisperer).

Le raisonnement robuste comme principal obstacle

Beaucoup de modèles peuvent coder. Mais ce qui distingue ceux d’Imbue, c’est leur capacité à « raisonner de manière robuste », affirme l’entreprise.

« Nous croyons que le raisonnement est le principal obstacle à des agents d’IA efficaces », écrit Imbue dans l’article de blog. « Un raisonnement robuste est nécessaire pour une action efficace. Il implique la capacité à gérer l’incertitude, à savoir quand changer notre approche, à poser des questions et à recueillir de nouvelles informations, à jouer des scénarios et à prendre des décisions, à formuler et à rejeter des hypothèses et en général à faire face à la nature compliquée et difficile à prévoir du monde réel. »

Imbue est également convaincue que le code est un cas d’utilisation important, au-delà de sa capacité à permettre à son équipe de développer des applications d’IA à grande échelle. Dans l’article de blog, l’entreprise affirme que le code peut améliorer le raisonnement et est l’une des façons les plus efficaces pour les modèles de passer à l’action sur une machine.

« Un agent qui écrit une requête SQL pour extraire des informations d’une table est beaucoup plus susceptible de satisfaire une demande de l’utilisateur qu’un agent qui tente d’assembler les mêmes informations sans utiliser de code », écrit la société. « De plus, l’entraînement sur le code aide les modèles à apprendre à raisonner mieux ; l’entraînement sans code semble donner des modèles qui raisonnent mal. »

Une formation avec des modèles très larges

Imbue entraîne des modèles « très larges » – des modèles avec plus de 100 milliards de paramètres – optimisés pour bien performer sur ses référentiels internes pour le raisonnement. Cette formation est effectuée sur un cluster de calcul co-conçu par Nvidia, contenant 10 000 GPU de la série H100 de Nvidia.

Imbue investit également dans la construction de ses propres outils d’IA et d’apprentissage automatique, tels que des prototypes d’IA pour le débogage et des interfaces visuelles par-dessus les modèles d’IA. Et elle mène des recherches pour comprendre le processus d’apprentissage dans les grands modèles de langage.

Une vision orientée vers l’avenir

Imbue n’a pas l’intention de mettre en production une grande partie de ce sur quoi elle travaille pour le moment. Au lieu de cela, elle voit ces outils et ces modèles comme un moyen d’améliorer l’IA future, plus généraliste, et de poser les bases d’une plateforme que les gens pourront utiliser pour créer leurs propres modèles personnalisés.

« Lorsque nous construisons des agents d’IA, nous construisons en réalité des ordinateurs capables de comprendre nos objectifs, de communiquer de manière proactive et de travailler pour nous en arrière-plan », a poursuivi Imbue dans l’article de blog. « À terme, nous espérons pouvoir mettre en place des systèmes qui permettent à chacun de construire des agents d’IA robustes et personnalisés, mettant ainsi le pouvoir productif de l’IA à la portée de tous… Ce dernier financement accélérera notre développement de systèmes d’IA capables de raisonner et de coder, afin qu’ils puissent nous aider à atteindre de plus grands objectifs dans le monde. »