סטארטאפ AI שמשתפר בעצמו מגייס 650 מיליון דולר — בזמן שחוקרים רודפים אחרי מודלים שמתפתחים לבד

הגיוס של 650 מיליון דולר של Yuandong Tian הוא הימור גדול על אלטרנטיבה לפרדיגמת הסקיילינג: שמודלים של AI יכולים לעצב ולשפר מודלים אחרים, ובכך לשבור את התלות ב-compute הולך וגדל. Tian, מדען לשעבר ב-Meta, טוען שסקיילינג בכוח גס יתנגש במגבלות פיזיקליות — אנרגיה, זיכרון, יכולת fab — ושפריצות דרך אלגוריתמיות ויעילותיות הן המסלול הבר-קיימא היחיד קדימה. גודל הגיוס מסמן תיאבון רציני מצד משקיעים לתזות אנטי-סקיילינג ברגע שבו עלויות ה-compute שולטות בשיח התעשייתי.

בנפרד, חוקרים מ-MIT פרסמו preprint על 'מדעני AI' שמתפתחים בעצמם ומכוונים לתגלית מדעית אוטונומית. העבודה הדגימה תוצאות בתחומים ספציפיים של מדעי החומרים אך נותרת לא מוכחת כשיטה כללית — הסתייגות שהחוקרים עצמם מציינים.

התמה מתחברת למצב הרוח המאקרו של השבוע: דאגה חוזרת שאנרגיה ו-compute, ולא מודלים טובים יותר, יהיו האילוץ המגביל האמיתי, ומכאן הציד אחר יעילות. הקריאה הספקנית היא ש'מודלים שבונים מודלים' ו'מדעני AI שמתפתחים בעצמם' הם מושגים עם track record דליל — קל לממן, קשה לספק, ונוטה למסגור מנופח. ה-650 מיליון הם שכנוע של venture, לא הוכחה. כדאי לעקוב אחר benchmarks קונקרטיים שמראים לולאת שיפור-עצמי שמנצחת ארכיטקטורות שתוכננו בידי אדם.