Mirendil firma un acuerdo de $100M con Google Cloud para impulsar su IA auto-mejorable
Exclusive: Mirendil inks $100M+ Google Cloud deal to scale self-improving AI
El laboratorio de inteligencia artificial Mirendil ha firmado una asociación multianual con Google Cloud para obtener capacidad de cómputo destinada a su investigación en IA auto-mejorable, según ha sabido TechCrunch en exclusiva. Este acuerdo refleja dos tendencias que están moldeando la industria de la IA: los gigantes del cloud están cortejando a las startups con compromisos de infraestructura masivos, y las empresas de IA están asegurando tantos acuerdos de cómputo como pueden para garantizar el acceso mientras escalan.
El acuerdo, valorado en más de $100 millones, fue confirmado por Behnam Neyshabur, cofundador y CEO de Mirendil. Esta cifra representa aproximadamente la mitad de lo que Mirendil recaudó en su ronda de financiación inicial, valorada en $1 mil millones a finales de junio.
El acuerdo proporciona a la startup acceso tanto a las TPUs de Google como a las GPUs de Nvidia, así como a clusters de entrenamiento gestionados con los cuales Mirendil trabajará en su IA auto-mejorable. La startup espera que su IA eventualmente pueda asumir el trabajo de un laboratorio de IA de frontera completo.
La IA auto-mejorable, también conocida como mejora recursiva, se refiere a sistemas de IA que se mejoran iterativamente a sí mismos. Es un concepto en el que laboratorios importantes como Anthropic, de donde provienen los cofundadores de Mirendil, han estado trabajando. Un puñado de startups como Recursive Superintelligence y Ricursive Intelligence también han surgido recientemente con el objetivo de lograr esa meta.
Mirendil cree que este proceso automatizará gran parte de la investigación científica y de IA, ayudando a los científicos a avanzar en campos como la medicina, la biología y la ciencia de materiales.
Neyshabur piensa que la IA puede imitar cómo los científicos humanos aprenden sobre nuevos dominios, acumulan conocimientos y experiencia, y mejoran gradualmente su rendimiento. «Puedes tener una IA auto-mejorable donde le asignas un problema y sigue mejorando con el tiempo», afirmó.
«¿Cómo podemos tener un sistema de IA que continúe investigando, mejorando su conocimiento y rendimiento en enfermedades como el Alzheimer?», continuó. «Esta tecnología nos permite establecer metas ambiciosas para la IA, y la IA seguiría progresando.»
Entrenar una IA auto-mejorable, sin embargo, requiere enormes cantidades de poder de cómputo. El cofundador del laboratorio, Harsh Mehta, dijo que el entrenamiento se trata cada vez más de emparejar las cargas de trabajo adecuadas con el hardware adecuado.
«Estos modelos son muy buenos trabajando con diferentes cargas de trabajo y chips, y asignando las cargas de trabajo correctas a los chips correctos», dijo Mehta. «[Google] proporciona múltiples tipos de chips… Esta flexibilidad nos permite, en última instancia, mezclar y combinar cargas de trabajo con el tipo correcto de aceleradores, y luego reducir el costo no solo para nosotros, sino también para nuestros clientes que usan nuestros sistemas.»
Esa flexibilidad es central en la propuesta de infraestructura de IA de Google. Amin Vahdat, vicepresidente senior y tecnólogo jefe de IA e infraestructura en Google, dijo en un comunicado que el avance de la IA ya no se trata solo del rendimiento a nivel de chip, «sino de cómo orquestamos sistemas completos de inteligencia y rompemos las limitaciones físicas de la escalabilidad.»
Neyshabur dijo que el software y la capa de sistemas de Mirendil ayudan a los clientes a obtener más provecho del hardware de Google, dando al gigante del cloud otra posible ventaja en la carrera contra su competencia. A cambio, Google obtiene un socio estratégico que construye IA auto-mejorable recursiva de frontera, tecnología que eventualmente podrá ofrecer a sus clientes empresariales.
