Reflection AI Inc. , en startup grundlagt af tidligere forskere fra Google DeepMind, blev i dag officielt lanceret med en initial finansiering på 130 millioner dollars. Finansieringen blev sikret gennem to runder. Den første var en seed-investering på 25 millioner dollars ledet af Sequoia Capital og CRV. Sidstnævnte firma var også med til at lede en efterfølgende Serie A-fundingrunde på 105 millioner dollars sammen med Lightspeed Venture Partners. Finansieringsrunderne tiltrak flere bemærkelsesværdige investorer, herunder venturekapitalarmen af Nvidia Corp. , Reid Hoffman, medstifter af LinkedIn, og Alexandr Wang, CEO for Scale AI Inc. Virksomhedens nuværende værdiansættelse står på 555 millioner dollars. Medstiftere Misha Laskin (CEO, til højre på billedet) og Ioannis Antonoglou (til venstre) leder Reflection AI. Laskin bidrog til træningsworkflowet for Google LLC’s Gemini sprogmodelserie, mens Antonoglou fokuserede på at optimere post-træningssystemer, som forbedrer outputkvaliteten efter den indledende træning. Reflection AI sigter mod at skabe "superintelligens, " defineret som et AI-system, der er i stand til at håndtere størstedelen af computerrelateret arbejde. Virksomheden starter denne rejse ved at udvikle et autonomt programmeringsværktøj og tror på, at de grundlæggende elementer for dette værktøj også vil hjælpe med at opnå superintelligens. I et blogindlæg sagde medarbejderne hos Reflection AI: “De gennembrud, der er nødvendige for at bygge et fuldt autonomt kodningssystem - såsom avanceret ræsonnering og iterativ selvforbedring - kan naturligt anvendes på et bredere udvalg af computeropgaver. ” I første omgang vil virksomheden fokusere på AI-agenter, der automatiserer specifikke programmeringsopgaver. Nogle agenter vil identificere kode-sårbarheder, mens andre vil fokusere på at optimere hukommelsesforbrug og teste pålidelighed. Reflection AI sigter også mod at automatisere relaterede processer.

Virksomheden hævder, at dens teknologi kan generere dokumentation, der forklarer, hvordan kodesnippets fungerer, og administrere infrastrukturen for kunderapplikationer. En jobannonce på Reflection AI’s hjemmeside indikerer, at virksomheden har til hensigt at anvende store sprogmodeller (LLMs) og forstærkningslæring til sin software. Traditionelt set trænede udviklere AI-modeller med datasæt, der indeholdt forklarende noter for hvert datapunkt. Forstærkningslæring fjerner behovet for disse forklaringer, hvilket forenkler oprettelsen af datasæt. Jobannoncen antyder desuden, at Reflection AI udforsker “nyttige arkitekturer” til sine AI-systemer, hvilket indikerer, at de muligvis vil undersøge alternativer til Transformer-arkitekturen, der er udbredt i de fleste LLMs. En fremvoksende konkurrencearkitektur kaldet Mamba har vist større effektivitet i forskellige aspekter. En anden jobopslag for en AI-infrastruktur specialist antyder, at Reflection AI muligvis vil bruge titusinder af grafikkort til modeltræning. Virksomheden nævnte også planer om at udvikle “vLLM-lignende platforme til ikke-LLM modeller, ” der henviser til vLLM, et populært open-source AI-værktøj, der minimerer sprogmodells hukommelsesforbrug. Sequoia Capital-investorerne Stephanie Zhan og Charlie Curnin reflekterede i et blogindlæg: “Efterhånden som teamet forbedrer modelintelligens og udvider sine kapabiliteter, vil Reflection’s agenter påtage sig flere ansvarsområder. Forestil dig autonome kodningsagenter, der utrætteligt håndterer arbejdsmængder, der hæmmer teamets produktivitet. ” Foto: Sequoia Capital