Nach seinem Austritt aus Meta hat Tian Yuandong gerade die Gründung eines Unternehmens angekündigt.

Nach seinem Austritt aus Meta hat Tian Yuandong auch begonnen, ein eigenes Unternehmen zu gründen.

Gerade hat das Start-up Recursive_SI sich offiziell vorgestellt und die Liste der Gründer veröffentlicht, unter denen sich auch Tian Yuandong befindet.

Neben Tian Yuandong gehören Richard Socher (CEO), Tim Rocktäschel, Jeff Clune, Tim Shi, Caiming Xiong, Alexey Dosovitskiy und andere zum Gründerteam.

Diese Gründer haben an der Gründung der AI-Forschungsabteilungen von Salesforce und Uber beteiligt und führende Positionen in Teams wie OpenAI, DeepMind, Google Brain und Meta innegehabt. Sie verfügen über reiche Forschungserfahrung und Gründungsgeschichte.

Recursive_SI ist darauf verpflichtet, eine Künstliche Intelligenz zu schaffen, die selbstständig Experimente durchführen und sich auf sichere Weise verbessern kann – eine kontinuierliche Entwicklung in einem offenen, automatisierten Prozess der wissenschaftlichen Entdeckung, der als der wahrscheinlichste Weg zur Superintelligenz angesehen wird.

Derzeit hat Recursive 650 Millionen US-Dollar gesammelt und hat einen Schätzwert von 4,65 Milliarden US-Dollar. Die Investition wird von GV (Google Ventures) und Greycroft geleitet, und AMD Ventures und NVIDIA haben ebenfalls wichtige Investitionen getätigt.

Das Team hat bereits mehr als 25 Mitglieder und wächst weiter. Das Team hat viele talentierte Menschen angezogen, darunter Zhuge Mingchen, der bald beitritt.

Zhuge Mingchen ist derzeit ein Gründungsmitglied von Recursive. Er hat seinen Doktor in Informatik an der King Abdullah University of Science and Technology (KAUST) gemacht und war Schüler des Professors Jürgen Schmidhuber, der als "Vater des LSTM" bekannt ist. Seine Forschungsrichtung konzentriert sich hauptsächlich auf Coding Agents, Recursive Self-Improvement (RSI) und Next-generation Machine Paradigms.

Seit 2023 hat Zhuge Mingchen begonnen, das Gebiet der Recursive Self-Improvement (RSI) systematisch zu erforschen.

In der MetaGPT-Phase hat er vorgeschlagen, dass Agenten über einen Mechanismus zur kontinuierlichen Selbstoptimierung und Fähigkeitsentwicklung verfügen sollten, und hat diese Forschungsrichtung in seiner späteren Arbeit fortgesetzt. GPTSwarm wird als eines der frühesten RSI-Systemparadigmen in der LLM-Ära angesehen. Es hat erstmals ein selbstorganisiertes Kooperationsframework auf der Grundlage von Graph-basierten Agenten vorgeschlagen und validiert, das die Zusammenarbeit, das Feedback und die Fähigkeitsentwicklung zwischen Agenten über eine dynamische Graphstruktur realisiert. Der Kerngedanke wurde später von vielen nachfolgenden Arbeiten in Bezug auf Multi-Agenten und Agentic AI weitgehend übernommen. Agent-as-a-Judge hat die kontinuierlichen Feedback- und Selbstevaluierungsmechanismen in Langzeitaufgaben weiter erforscht und versucht, das Problem der Kontinuität und stabilen Optimierung von Agenten in komplexen Aufgaben zu lösen. Die Forschung an NeuralComputer hat sich weiter auf die Architektur der nächsten Generation von KI-Systemen konzentriert und ein neues Maschinenparadigma erforscht, das Gedächtnis, Inferenz und die Fähigkeit zur autonomen Entwicklung integriert.

Man kann sehen, dass das Forschungs-Team von Recursive in der Richtung der rekursiven Selbstverbesserung tiefgreifende akademische Erfahrungen hat.

Mehrere Gründer wie Tian Yuandong haben auf X propagiert: Wir entwickeln eine Künstliche Intelligenz, die Wissen automatisch entdecken und sich rekursiv verbessern kann – dieser offene Prozess wird die Art und Weise, wie Wissenschaft und Technologie voranschreiten, grundlegend verändern.

In mehreren Kernbereichen der rekursiv selbstverbessernden Künstlichen Intelligenz befindet sich das Team an der Spitze der Branche.

Die Mitglieder haben in den Bereichen offener Algorithmen, Qualitätsdiversitätsalgorithmen, KI-Generierungsalgorithmen, selbstverbessernden Programmieragenten, automatisierten Roten-Team-Tests und Fähigkeitsentdeckung, Prompt-Engineering und dessen Automatisierung, Lernherausforderungen und Umgebungsgenerierung, Grundlagenweltmodellen, Deep Learning in der natürlichen Sprachverarbeitung, visuellen Transformer, Retrieval-Enhanced Generation und KI-Wissenschaftlern wichtige Durchbrüche erzielt.

Wir sind also wirklich gespannt auf die kommenden Forschungen von Recursive_SI.

Dieser Artikel stammt aus dem WeChat-Account "MachineHeart". Autor: MachineHeart, Redaktion: MachineHeart-Redaktion. Veröffentlicht von 36Kr mit Genehmigung.