Створи безкоштовний акаунт Charmloop — без картки й без обмежень на перегляд. Почни створювати ШІ-арт за лічені хвилини.
Ендрю Дай, колишній дослідник DeepMind, чия робота заклала основи, що згодом були використані у ChatGPT, закрив раунд pre-seed на $300 мільйонів для стелс-стартапу у сфері візуального ШІ — ще не випустивши жодного продукту.
Раунди pre-seed зазвичай вимірюються кількома мільйонами. Залучення $300 мільйонів на цій стадії — до появи продукту — є майже безпрецедентним і красномовно свідчить про те, звідки, на думку інституційних грошей, прийде наступний стрибок у можливостях. За даними TechCrunch, Дай позиціонує візуальний ШІ як рубіж, порівнянний за масштабом із хвилею великих мовних моделей, що породила ChatGPT.
Суть ставки така: той самий тип фундаментальних дослідницьких інвестицій, що створив GPT-4, потрібен зараз для систем, які розуміють, генерують і аналізують зображення та відео, — і вікно можливостей, щоб очолити цю гонку, відкрите прямо зараз.
Для творців у сфері ШІ-арту це формулювання важливе. Воно натякає на те, що наступне покоління генерації зображень і відео не буде просто поступовим оновленням наявних дифузійних пайплайнів. Інвестори такого масштабу роблять ставку на те, що візуальний ШІ потребує власної фундаментальної архітектури — а не надбудови над поточними моделями.
Дай провів понад десятиліття в DeepMind, працюючи над одними з найвагоміших систем ШІ, будь-коли створених. Дослідження, до яких він долучився, вплинули на архітектуру та підходи до навчання, що зрештою сформували ChatGPT. Саме цей родовід пояснює, чому інвестори діяли ще до того, як побачили продукт: вони купують дослідника, а не дорожню карту.
Ця модель — фінансування людини та тези до демо — має прецеденти у фундаментальному ШІ. Саме так починала Anthropic і так кілька найпотужніших модельних лабораторій залучали ранній капітал. Відмінність тут — у явному фокусі на візуальних модальностях, а не на мові.
«Візуальний ШІ є одним із наступних головних рубежів у штучному інтелекті.»
— Andrew Dai
Якщо теза Дая правильна, наслідки для творців, які використовують такі інструменти, як генератор зображень Charmloop, можуть бути значними. Фундаментальні дослідження у сфері візуального ШІ, як правило, дають стрибки у можливостях — не просто кращі зображення, а якісно інші типи генерації: потужніше просторове мислення, більш послідовні персонажі між кадрами, краще розуміння композиції та освітлення як семантичних концепцій, а не піксельних патернів.
Цифра в $300 млн також говорить дещо про обчислювальні вимоги, які передбачає команда Дая. Навчання фундаментальних моделей такого рівня не відбувається на скромному GPU-кластері. Залучення коштів натякає на попереднє навчання в масштабах, що конкурують із найбільшими лабораторіями, — а отже, будь-які моделі, що з'являться в результаті цієї роботи, можуть справді підняти стелю можливостей для візуальної генерації.
Для творців, які стежать за тим, які моделі варто переходити, це і є число, за яким слід спостерігати: не анонс продукту, а те, чи дасть отримана архітектура той якісний стрибок, що зробить ваш поточний робочий процес застарілим. Розробки у сфері world models — систем ШІ, що симулюють розвиток візуальних середовищ у часі, — вже вказують у цьому напрямку, як описано в поясненні Charmloop про world models для творців зображень і відео.
Дата запуску не розголошується. З огляду на масштаб залучення коштів і стелс-статус, більш імовірний сценарій — публікація дослідження або технічний попередній перегляд до появи споживчого продукту — той самий шлях, яким сам DeepMind ішов у своїх найвагоміших роботах. Тримайте руку на пульсі препринт-серверів.
