Imbue筹集了2亿美元，用于构建能够“强大推理”的AI模型

Imbue是一家人工智能研究实验室，以前被称为Generally Intelligent，最近进行了2亿美元的B轮融资，估值超过10亿美元。参与融资的机构包括Astera Institute、Nvidia、Cruise CEO Kyle Vogt和Notion联合创始人Simon Last。

这轮融资使Imbue的总融资额达到2.2亿美元，使其成为近几个月内获得资金最充裕的人工智能初创公司之一。它仅略逊于AI21 Labs（2.83亿美元），后者是一家位于特拉维夫的公司，正在开发一系列文本生成人工智能工具，以及像Cohere（4.35亿美元）和Adept（4.15亿美元）这样的生成式人工智能供应商。

Imbue在去年10月推出时有一个雄心勃勃的目标：研究目前机器缺乏的人类智能基础。根据当时向TechCrunch介绍的计划，该公司的计划是将“基础”转化为一系列需要解决的任务，并设计不同的人工智能模型并测试它们学习在由Imbue团队构建的复杂3D世界中解决这些任务的能力。

自那时以来，该公司的方法似乎有所转变。Imbue表示，其正在开发其认为“内部有用”的模型，包括可以编码的模型（例如GitHub Copilot和Amazon CodeWhisperer）。

许多模型都可以编码。但是，Imbue之所以与众不同，是因为它们具有“强大的推理能力”，该公司声称。

“我们认为推理是有效人工智能代理的主要障碍，”Imbue在博客文章中写道。“强大的推理对有效行动至关重要。它涉及处理不确定性的能力，知道何时改变方法，提出问题并收集新信息，展示场景并做出决策，提出和丢弃假设，并处理复杂，难以预测的现实世界。”

Imbue还认为，代码是重要的用例，可以使模型更好地推理，并且是模型在机器上采取行动的更有效方法之一。

“编写SQL查询以从表中提取信息的代理比试图在不使用任何代码的情况下组装相同信息的代理更有可能满足用户请求，”该公司写道。“此外，在代码上进行培训有助于模型更好地学习推理；没有代码的培训似乎会导致推理能力较差的模型。”

Imbue表示，其模型是“量身定制”的推理模型，因为它们经过数据训练以“加强良好的推理模式”，并使用在推理时间内花费“更多计算量”的技术以达到“稳健的结论和行动”。

具体来说，Imbue正在训练“非常大”的模型——具有超过1000亿个参数的模型——以优化其在推理方面表现良好。 （“参数”是从训练数据中学习到的模型部分，并且基本上定义了模型在问题上的技能，例如生成文本或代码。）这种训练是在由Nvidia共同设计、包含10,000个Nvidia H100系列GPU的计算集群上进行的。

Imbue还在投资建立自己的人工智能和机器学习工具，例如用于调试和基于人工智能模型的可视化界面的AI原型。它还正在研究了解大型语言模型中的学习过程。

Imbue并不打算目前将其正在工作中的大部分内容投入生产。相反，它认为这些工具和模型是改进未来更通用人工智能的一种方式，并为人们建立平台奠定基础，人们将能够使用该平台创建自己的自定义模型。

“当我们构建人工智能代理时，我们实际上正在构建可以理解我们目标、主动沟通并在背景下为我们工作的计算机。” Imbue在博客文章中继续写道。“最终，我们希望发布系统，使任何人都能够构建强大、定制化的人工智能代理，将人工智能的生产力放在每个人的指尖……这最新一轮融资将加速我们开发可以推理和编码的人工智能系统，以便它们可以帮助我们在世界上实现更大的目标。”