Aether AI recauda 20 millones de dólares para construir un modelo mundial causal
Gran parte de la industria de la IA apuesta a que modelos más grandes significan máquinas más inteligentes. Una nueva startup apuesta por lo contrario.
Aether AI, con sede en San Diego, ha recaudado una ronda inicial de 20 millones de dólares para perseguir una idea completamente diferente. Su fundador cree que el próximo salto no será a escala. Provendrá de causa y efecto del aprendizaje automático.
Correlación versus causalidad
Los grandes modelos actuales aprenden detectando patrones en enormes cantidades de datos. Eso funciona bien en el laboratorio. Pero puede fallar en el desordenado mundo real, donde un atajo estadístico falla silenciosamente.
En lugar del éter, las máquinas quieren comprender los procesos detrás de los acontecimientos. Su "modelo mundial causal" significa dar a un sistema razones sobre lo que sucederá si actúa, antes de actuar. La compañía dice que esto hace que la IA sea más confiable y requiera muchos menos datos. La tesis se sitúa en el debate más amplio sobre si el progreso de la IA está empezando a estancarse.
¿Por qué los robots primero?
Espacio de coworking de TNW City: donde ocurre tu mejor trabajo
Un espacio de trabajo diseñado para el crecimiento, la colaboración y un sinfín de oportunidades de networking en el corazón de la tecnología.
Los primeros objetivos son la IA física y la robótica. La lógica es clara. Cada paso que da un robot es una intervención en el mundo, por lo que los errores aparecen como objetos caídos o tareas fallidas.
Esto convierte a la robótica en una prueba brutal para el razonamiento causal. El objetivo a largo plazo de Aether es un único "cerebro causal" que pueda operar muchos tipos de robots. Es una ambición abarrotada, en la que todos, desde el modelo mundial de Google DeepMind hasta el laboratorio de inteligencia artificial física de Jeff Bezos, valorado en 10.000 millones de dólares, persiguen el mismo premio.
Un pedigrí serio
Las apuestas de los fundadores dan credibilidad. Biwei Huang es profesor asistente en UC San Diego y un nombre muy conocido en el descubrimiento causal. Ha desarrollado las herramientas de código abierto Causal-Learn y Causal-Copilot, y ha publicado numerosas publicaciones en lugares líderes en el campo.
Ether también invitó a los fundadores de la causa moderna, nombrando a Judea Pearl, Bernhard Schoelkoff y otros como partidarios de su trabajo. La ronda fue liderada por MPCi, a la que se unieron Inno Angel Fund, SWC Global y Unity Ventures.
¿Por qué es importante?
La causalidad es uno de los problemas sin resolver más antiguos de la IA y convertirlo en un producto es difícil. Por eso la precaución es importante. Los resultados iniciales de Aether son propios, no están revisados por pares y están 20 millones de dólares por debajo de los miles de millones invertidos en laboratorios rivales. Sus patrocinadores son en su mayoría fondos con sede en Asia, no nombres típicos de Silicon Valley.
Aun así, el concepto llega en un momento útil. Las dudas sobre el escalamiento puro están creciendo y los robots se topan con tareas que parecen simples para los humanos. Si los modelos causales realmente analizan los datos necesarios y mejoran la confiabilidad, serán importantes más allá de la robótica. Ese es un gran "si". Pero es una especie de apuesta de ver.
