Startups e inversión
Recursive Superintelligence surge con USD 650 millones en financiamiento
Recursive Superintelligence ha salido del modo oculto con USD 650 millones para desarrollar modelos de IA de auto-mejora recursiva, con planes que podrían llevarla a lanzar productos en trimestres, no en años.
El miércoles, la empresa emergente Recursive Superintelligence, con sede en San Francisco, salió del modo oculto con USD 650 millones en financiamiento. La compañía trabaja en la creación de un modelo de IA de auto-mejora recursiva capaz de identificar debilidades y rediseñarse a sí mismo de forma autónoma. El equipo fundador cuenta con destacados investigadores de IA, incluido el fundador Richard Socher, quien previamente fundó la startup You.com, y los cofundadores Peter Norvig, Tim Shi y Tim Rocktäschel.
El equipo de la startup incluye veteranos de Google DeepMind y OpenAI, como Rocktäschel, quien anteriormente dirigió equipos de open-endedness y auto-mejora en Google DeepMind, y el miembro del equipo Josh Tobin, quien trabajó anteriormente en OpenAI. Tim Shi también aporta experiencia empresarial, tras haber cofundado la startup Cresta. En lugar de operar estrictamente como un “neolab” —un término informal para una nueva generación de startups de IA que priorizan la investigación sobre la creación de productos—, Recursive Superintelligence se centra en el open-endedness. Este enfoque técnico de la evolución de la IA, donde los sistemas se adaptan a los entornos y se contra-adaptan, tiene como objetivo lograr la auto-mejora recursiva. Según Socher: “Nuestro enfoque único es utilizar el open-endedness para llegar a la auto-mejora recursiva, algo que nadie ha logrado todavía”. El objetivo final es automatizar todo el ciclo de vida de la investigación, incluyendo la ideación, la implementación y la validación.
Para garantizar la seguridad durante este proceso automatizado, la empresa utiliza “rainbow teaming”, un método de co-evolución de dos IAs para atacar e inocularse mutuamente en pro de la seguridad. Esto va más allá del “red teaming” estándar —el proceso de probar la IA en busca de vulnerabilidades o resultados dañinos, como intentar que un modelo “diga cómo construir una bomba”—. En lugar de depender únicamente de evaluadores humanos, una segunda IA tiene la tarea de encontrar vulnerabilidades en la primera. Los dos sistemas co-evolucionan de ida y vuelta a lo largo de millones de iteraciones, lo que permite que el modelo principal sea más seguro frente a diversos ángulos de ataque.
Aunque la empresa se centra en la investigación, planea lanzar productos en plazos que podrían abarcar trimestres, no años. A largo plazo, la startup opera con la visión de que la potencia de cómputo se convertirá en el recurso principal para escalar la inteligencia. Como señaló Socher: “El cómputo no debe subestimarse”. En este marco, la velocidad de la auto-mejora de la IA dependerá cada vez más de la asignación de potencia de procesamiento para resolver problemas específicos.
Por qué importa
La aparición de Recursive Superintelligence señala un cambio hacia startups de IA centradas en la investigación que buscan automatizar el proceso de investigación en sí, yendo más allá del desarrollo estándar de LLM. Al centrarse en la auto-mejora recursiva, la empresa representa un intento ambicioso de evitar el entrenamiento de modelos impulsado por humanos en favor de una optimización autónoma dirigida por máquinas.