Más szintű MI-t céloz meg az AMI
Az AMI Labs irányítója, Alexandre LeBrun hangsúlyozta, hogy a legtöbb MI-cég jelenleg generatív modelleket készít; ezek főként szövegekből dolgoznak, nagyléptékű, de végső soron „hallucináló” nyelvi MI-k. Másként fogalmazva, ezek tévedései könnyen veszélyesek lehetnek, főleg, ha például egészségügyi alkalmazásokról van szó. Ezzel szemben a magát „világmodell-specialistának” nevező cég célja, hogy az MI a saját tapasztalatai alapján ténylegesen értse is a világot. Ez az elv a Joint Embedding Predictive Architecture néven ismert megközelítésen alapul, amelyet LeCun 2022-ben dolgozott ki.
A pénz nem elég, kell a valódi tudás is
Bár az AMI alapítását és fejlesztését óriási érdeklődés és kiemelt szakmai háttér övezi – a menedzsment soraiban megtalálható a Meta korábbi európai igazgatója, Laurent Solly, a kutatási területet pedig Saining Xie és Pascale Fung vezeti –, a kutatások még így is hosszú évekbe telhetnek, mire a gyakorlatban is használhatóvá válnak. Ennek ellenére már most több komoly versenytárs és hasonló témával foglalkozó vállalat szállt be az új típusú MI harcába: például az európai SpAItial és a Fei-Fei Li World Labs, amelyek szintén szokatlanul nagy összegű európai forrásokat szereztek.
Szupersztár befektetők sora segíti a labort
Az AMI Labs tőkéjét olyan nagyágyúk dobták össze, mint a Cathay Innovation, a Greycroft, a Hiro Capital, a HV Capital vagy a Bezos Expeditions, de beszállt többek között Tim Berners-Lee, Mark Cuban, Xavier Niel és Eric Schmidt is. Mellettük a világ technológiai óriásai – NVIDIA, Samsung, Temasek, Toyota, Sea – is csatlakoztak, és több tekintélyes francia befektető is támogatja a csapatot.
Nyitott kutatás, nem a laborok mélyén
Bár az AMI Labs rövid távon nem profitot akar termelni, már most tervezi, hogy mihamarabb együtt dolgozik partnereivel – elsőként a Nabla nevű digitális egészségügyi céggel. A fejlesztéshez négy városban épül ki csapat – Párizsban, New Yorkban, Montréalban és Szingapúrban –, a hangsúly a kiváló szakembereken lesz, nem a létszámon. Ezért a labor már a fejlesztés korai szakaszában is valós környezetben, tényleges adatokkal akarja tesztelni modelljeit, és tanulmányokat, valamint nyílt forráskódot is publikál. LeBrun úgy véli, hogy a nyitott tudomány gyorsabb előrelépést, erősebb közösséget és ütőképesebb kutatási ökoszisztémát eredményez.
