Los grandes modelos de IA (un enorme depósito de lenguaje visual y datos de audio que impulsan los servicios de inteligencia artificial) están teniendo un impacto significativo en el desarrollo de la IA a medida que los sistemas operativos desarrollan los teléfonos inteligentes: en cierto modo, lo están haciendo. Parece una plataforma espacial (también se están comiendo otras ideas). Ahora, una startup suiza llamada Jua está utilizando ese modelo con la ambición de construir una nueva frontera sobre cómo se puede utilizar la IA en el mundo físico. Se necesitaron 16 millones de dólares para construir lo que es un enorme modelo «físico» del mundo natural.
La empresa todavía está en su infancia. Su primera aplicación será la modelización y previsión del tiempo y los patrones climáticos, involucrando en primer lugar a actores de la industria energética. Este es un comienzo en las próximas semanas, dijo la compañía. Otras industrias a las que planea apuntar con su modelo incluyen la agricultura, los seguros, el transporte y el gobierno.
468 Capital y Green Generation Fund colideran esta ronda semilla para startups con sede en Zurich, con la asistencia de Promus Ventures, Kadmos Capital, los fundadores de Flix Mobility, Session.vc, Virtus Resources Partners, Notion.vc e InnoSuisse.
Andreas Brenner, CEO de Jua, quien cofundó la compañía con el CTO Marvin Gabler, dice que el creciente «cambio climático» del cambio climático y la geopolítica ha generado demanda entre las organizaciones que trabajan en el mundo físico, ya sea en la región. energía o agricultura. O algo más: tener modelos y predicciones más precisos. Según el Centro Nacional de Información Ambiental de EE. UU., 2023 es un año histórico para el cambio climático, que causa daños por valor de decenas de miles de millones de dólares: es la situación actual la que empuja a las organizaciones a planificar. herramienta para analistas de mercado y otras personas que utilizan esos datos.
Este no es un problema nuevo, ni tampoco es una cuestión que los tecnólogos aún no hayan abordado con la IA.
La división DeepMind de Google desarrolló GraphCast; Nvidia tiene FourCastNet; Huawei tiene Pangu, que el año pasado vio el lanzamiento de un elemento meteorológico muy interesante. También hay planes en marcha para construir modelos de IA a partir de datos climáticos para rastrear otros fenómenos naturales, como se destacó la semana pasada en este informe sobre grupos que intentan aportar nuevos conocimientos sobre los patrones de migración de las aves.
La respuesta de Jua a eso fue doble. En primer lugar, cree que su modelo es mejor, en parte porque está descargando más y mayor información (un múltiplo de 20 veces en GraphCast, afirma). En segundo lugar, el clima es solo el punto de partida para considerar un conjunto integral de preguntas, respuestas y desafíos.
«Las empresas necesitan aumentar su capacidad para responder al cambio climático». «Así que, a corto plazo, ese es el problema al que nos enfrentamos. Pero mirando hacia el futuro, estamos creando el primer modelo básico para el mundo natural… estamos creando un modelo de máquina que aprende física… y ese es un pilar importante para la realización de la inteligencia artificial porque simplemente entender el lenguaje es no «no es suficiente».
La compañía aún no ha lanzado su primer producto, pero el acto de fe que están adoptando los inversores no es sólo una inspiración para todo lo relacionado con la IA.
Antes de Jua, Gabler dirigió la investigación en Q.met, un actor veterano en el pronóstico del tiempo. También trabajó en tecnología de aprendizaje profundo para el gobierno alemán. Brenner trabajó en el sector energético y anteriormente desarrolló un programa de gestión de flotas. La recopilación de esas experiencias proporciona no sólo una comprensión técnica del problema y las posibles soluciones, sino también una comprensión directa de cómo la industria enfrenta el problema.
También presenta un trabajo inicial para inversores y clientes que quieran convertirse en clientes accediendo a sus datos a medida que continúa desarrollando productos.
Uno de los objetivos parece ser adoptar un nuevo enfoque respecto del concepto de lo que implica un modelo predictivo. Por ejemplo, al crear un modelo de pronóstico del tiempo, Brenner dijo: «El uso de estaciones meteorológicas es obvio». Pero además, utiliza lo que él describe como «datos más perturbadores», incluidas nuevas imágenes y topografía de satélite, y otros «datos más recientes» para crear su modelo. «La principal diferencia es que estamos construyendo este sistema de extremo a extremo donde todos los datos que antes se usaban en diferentes etapas de la cadena de valor ahora se reúnen en un solo grupo», explicó. La compañía dice que tiene alrededor de 5 petabytes (5000 terabytes) de datos de entrenamiento, en comparación con los 45 terabytes de GPT3 y (1) 1 petabyte de GPT4. (Comprenda que los datos lingüísticos pueden requerir menos datos que el modelo del mundo real).
Otro objetivo, no pequeño, es que la empresa intente crear algo más eficiente para reducir los costes operativos para ella y para sus clientes. «Nuestro sistema utiliza 10.000 veces menos computación que los sistemas heredados», dijo Brenner.
Es de destacar que Jua está surgiendo y consiguiendo financiación en este momento concreto.
Los modelos básicos están sentando las bases para el desarrollo del software de IA de próxima generación, por lo que las empresas que construyen y gestionan modelos básicos tienen mucho valor y potencial.
Los mayores impulsores y agitadores en el área en este momento son empresas como OpenAI, Google, Microsoft, Anthropic, Amazon y Meta: todas empresas estadounidenses. Eso ha estimulado algunas acciones en otras partes del mundo, como Europa, para encontrar y financiar campeones en casa como alternativa. Cabe señalar que 468 Capital también apoya a Aleph Alpha de Alemania, que, al igual que los actores modelo locales en Estados Unidos, está desarrollando un gran modelo lingüístico pero parece estar trabajando estrechamente con clientes potenciales. (Una de sus etiquetas es “Soberanía en la era de la IA”).
Andreas, Marvin y su equipo están construyendo la primera base de IA del mundo para la física y el mundo natural que podrá proporcionar conocimientos potentes para muchas industrias basándose en conocimientos reales sobre la naturaleza de las aseguradoras y de usted. Proporciona productos químicos y energía. Ludwig Ensthaler, socio general de la empresa, así lo explicó en un comunicado a los equipos de planificación de catástrofes, organizaciones del sector agrícola, compañías aéreas y organizaciones benéficas.
Existe un claro sentimiento de «buen hombre» acerca de la IA que está destinado a comprender mejor cómo nos está afectando el cambio climático para ayudar a una mejor planificación de desastres y tal vez algún día se utilice para ayudar a comprender cómo reducir el daño ambiental. Y el panorama más amplio para las nuevas empresas que buscan crear una IA que pueda comprender el mundo físico es que el potencial se puede aplicar a desafíos más amplios en ciencia, materiales, biomedicina, química y más. Sin embargo, además de las capacidades del modelo en sí, las expectativas también plantean muchas preguntas, similares a las de otros modelos orientados a la IA en materia de seguridad, confiabilidad y más en las que Jua ya está pensando, e incluso en términos básicos. Ahora mismo.
«Para que un modelo funcione y sea aceptable, es necesario fortalecer la coherencia», afirmó Gabler. «Hay que asegurarse de que el modelo realmente aprenda física desde cero para resolver el problema correctamente».
