資深人工智能研究員Andrew Dai表示，在谷歌DeepMind任職14年后，他近期已離職并將創(chuàng)辦一家新的初創(chuàng)企業(yè)，專注于研發(fā)可同步理解和處理文本、圖像、視頻及音頻數(shù)據(jù)的人工智能模型。

　　Dai以及另一位知情人士透露，這家名為Elorian的新創(chuàng)公司正在與投資者洽談一輪規(guī)模約5000萬美元的種子輪融資。該知情人士還稱，Striker Venture Partners目前正洽談?lì)I(lǐng)投此輪融資，這家風(fēng)投機(jī)構(gòu)由風(fēng)投公司CRV前普通合伙人Max Gazor于去年10月創(chuàng)立。

　　該知情人士透露，Yinfei Yang是Elorian的聯(lián)合創(chuàng)始人，此人曾擔(dān)任蘋果公司研究科學(xué)家，負(fù)責(zé)該公司人工智能模型相關(guān)工作，于去年12月離職。Dai和Yang均已更新領(lǐng)英個(gè)人資料，顯示任職于一家“保密模式”企業(yè)，其中戴的資料標(biāo)注其職位為首席執(zhí)行官。

　　在周六的電話采訪中，Dai表示Elorian的核心業(yè)務(wù)是研發(fā)人工智能模型，這類模型可通過同步處理圖像、視頻和音頻數(shù)據(jù)，對(duì)物理世界進(jìn)行視覺層面的解讀與分析。他提到，機(jī)器人技術(shù)是Elorian人工智能模型的潛在應(yīng)用場(chǎng)景之一，同時(shí)該初創(chuàng)公司還規(guī)劃了諸多其他應(yīng)用方向，但并未展開說明。Yang暫未就相關(guān)問詢作出回應(yīng)。

　　早期由OpenAI等企業(yè)研發(fā)的人工智能模型僅基于文本數(shù)據(jù)訓(xùn)練，不過近年來行業(yè)趨勢(shì)已轉(zhuǎn)向基于圖像和視頻數(shù)據(jù)訓(xùn)練的模型。這一被稱為視覺推理的研究領(lǐng)域，目前已成為谷歌、OpenAI、Anthropic等眾多大型人工智能企業(yè)及初創(chuàng)公司的布局重點(diǎn)。亞馬遜也于上月在其年度云技術(shù)大會(huì)上，推出了一款同類人工智能模型。

　　視覺推理模型專為復(fù)雜人工智能應(yīng)用場(chǎng)景設(shè)計(jì)，例如機(jī)器人系統(tǒng)。這類模型具備多功能融合能力，能夠省去開發(fā)者整合不同人工智能模型的工作。部分研究人員指出，該技術(shù)對(duì)于人工智能智能體具有重要價(jià)值——此類智能體需要解讀和識(shí)別截圖等圖像信息，進(jìn)而完成處理零售商品退貨、審核法律文件等復(fù)雜任務(wù)。

　　根據(jù)Dai的領(lǐng)英資料，他在谷歌DeepMind任職期間，曾擔(dān)任Gemini系列模型數(shù)據(jù)預(yù)訓(xùn)練工作的聯(lián)合負(fù)責(zé)人，該預(yù)訓(xùn)練技術(shù)是Gemini系列模型的核心底層支撐。此外，戴還曾與谷歌多位知名研究員聯(lián)合發(fā)表論文，其中包括Quoc V． Le，以及谷歌深度思維與谷歌研究院首席科學(xué)家Jeff Dean。

　　該知情人士表示，Andrew Dai是語(yǔ)言模型領(lǐng)域的先驅(qū)，過去20年間始終深耕預(yù)訓(xùn)練相關(guān)研究。

　　該人士補(bǔ)充道，他的研究工作大多聚焦于兩大方向：一是研發(fā)用于評(píng)估人工智能模型訓(xùn)練數(shù)據(jù)質(zhì)量的技術(shù)，二是確保模型的訓(xùn)練數(shù)據(jù)來源于多個(gè)不同渠道。