Crea il tuo account Charmloop gratuito: niente carta, esplorazione senza limiti. Inizia a creare arte con IA in pochi minuti.
Andrew Dai, ex ricercatore di DeepMind il cui lavoro ha contribuito alle fondamenta poi utilizzate in ChatGPT, ha chiuso un round pre-seed da 300 milioni di dollari per una startup di AI visiva in modalità stealth — senza aver ancora rilasciato un singolo prodotto.
I round pre-seed si misurano tipicamente in pochi milioni. Una raccolta da 300 milioni di dollari in quella fase — prima che esista un prodotto — è quasi senza precedenti, e dice qualcosa di preciso su dove il capitale istituzionale ritiene che arriverà il prossimo salto di capacità. Secondo TechCrunch, Dai sta posizionando l'AI visiva come una frontiera paragonabile per scala all'ondata dei modelli linguistici di grandi dimensioni che ha prodotto ChatGPT.
La scommessa è essenzialmente questa: lo stesso tipo di investimento nella ricerca fondazionale che ha costruito GPT-4 deve avvenire ora per i sistemi che comprendono, generano e ragionano su immagini e video — e la finestra per guidare questa corsa è aperta proprio adesso.
Per i creatori di AI art, questa prospettiva è rilevante. Suggerisce che la prossima generazione di generazione di immagini e video non sarà semplicemente un aggiornamento iterativo delle pipeline di diffusione esistenti. Gli investitori a questa scala stanno scommettendo sull'idea che l'AI visiva abbia bisogno di una propria architettura fondazionale — non di un wrapper sopra i modelli attuali.
Dai ha trascorso più di un decennio a DeepMind lavorando su alcuni dei sistemi di AI più importanti mai costruiti. Le ricerche a cui ha contribuito hanno informato l'architettura e gli approcci di addestramento che hanno poi plasmato ChatGPT. Questa genealogia è esattamente il motivo per cui gli investitori si sono mossi prima di vedere un prodotto: stanno comprando il ricercatore, non la roadmap.
Questo schema — finanziare la persona e la tesi prima della demo — ha precedenti nell'AI fondazionale. È così che è nata Anthropic, ed è così che diversi dei laboratori di modelli più capaci hanno ottenuto il capitale iniziale. La differenza qui è l'esplicita attenzione alle modalità visive piuttosto che al linguaggio.
«L'AI visiva è una delle prossime grandi frontiere dell'intelligenza artificiale.»
— Andrew Dai
Se la tesi di Dai è corretta, l'effetto a valle per i creatori che utilizzano strumenti come il generatore di immagini di Charmloop potrebbe essere significativo. La ricerca fondazionale sull'AI visiva tende a produrre salti di capacità — non solo immagini migliori, ma tipi di generazione qualitativamente diversi: ragionamento spaziale più solido, personaggi più coerenti tra i fotogrammi, migliore comprensione della composizione e dell'illuminazione come concetti semantici piuttosto che come pattern di pixel.
La cifra di 300 milioni di dollari dice anche qualcosa sui requisiti di calcolo che il team di Dai sta anticipando. L'addestramento di modelli fondazionali a questo livello non avviene su un modesto cluster di GPU. La raccolta suggerisce run di pre-addestramento su una scala che sarebbe competitiva con i laboratori più grandi — il che significa che qualsiasi modello emerga da questo lavoro potrebbe spostare genuinamente il tetto delle capacità per la generazione visiva.
Per i creatori che monitorano quali modelli vale la pena adottare, questo è il numero da tenere d'occhio: non l'annuncio del prodotto, ma se l'architettura risultante produce il tipo di salto qualitativo che rende il flusso di lavoro attuale obsoleto. Gli sviluppi nei world model — sistemi di AI che simulano come gli ambienti visivi evolvono nel tempo — stanno già puntando in questa direzione, come illustrato nell'approfondimento di Charmloop sui world model per creatori di immagini e video.
Nessuna data di lancio è stata comunicata. Data la scala della raccolta e lo stato stealth, la tempistica più probabile è una pubblicazione di ricerca o un'anteprima tecnica prima di un prodotto consumer — lo stesso percorso seguito da DeepMind stessa per i suoi lavori più importanti. Tenete d'occhio i server di preprint.
