جمعت جوا 16 مليون دولار لبناء نموذج أساسي للذكاء الاصطناعي للعالم الطبيعي، بدءًا من الطقس

نماذج الذكاء الاصطناعي الكبيرة – المجموعات الكبيرة من البيانات اللغوية والبصرية والصوتية التي تدعم خدمات الذكاء الاصطناعي التوليدية – تتشكل لتكون ذات أهمية في تطوير الذكاء الاصطناعي مثلما كانت أنظمة التشغيل في تطوير الهواتف الذكية: إنها، بطريقة ما، ، تبدو مثل منصات الفضاء (فكرة يفكر فيها الآخرون أيضًا). الآن، تستخدم شركة سويسرية ناشئة تدعى Jua هذا النموذج بطموحات لبناء حدود جديدة لكيفية استخدام الذكاء الاصطناعي في العالم المادي. لقد تم جمع 16 مليون دولار لبناء ما يعتبر في الأساس نموذجًا كبيرًا لـ “الفيزياء” للعالم الطبيعي.

الشركة لا تزال في مرحلة مبكرة جدا. سيكون تطبيقه الأول في النمذجة والتنبؤ بأنماط الطقس والمناخ، مبدئيًا في كيفية ارتباطها باللاعبين في صناعة الطاقة. وقالت الشركة إنه من المقرر إطلاقه مع بداية العام المقبل. وتشمل الصناعات الأخرى التي تخطط لاستهدافها بنموذجها الزراعة والتأمين والنقل والحكومة.

تشترك 468 Capital وGreen Generation Fund في قيادة هذه الجولة التأسيسية للشركة الناشئة التي يقع مقرها في زيوريخ، مع مشاركة Promus Ventures وKadmos Capital ومؤسسي Flix Mobility وSession.vc وVirtus Resources Partners وNotion.vc وInnoSuisse.

يقول أندرياس برينر، الرئيس التنفيذي لشركة Jua والذي شارك في تأسيس الشركة مع CTO Marvin Gabler، إن “التقلبات” المتزايدة لتغير المناخ والجغرافيا السياسية أدت إلى حاجة المنظمات التي تعمل في العالم المادي – سواء في المجالات الصناعية مثل الطاقة أو الزراعة أو أي شيء آخر – للحصول على نماذج وتنبؤات أكثر دقة. كان عام 2023 عامًا مميزًا بالنسبة للكوارث المناخية، وفقًا للمراكز الوطنية الأمريكية للمعلومات البيئية، مما أدى إلى أضرار بعشرات المليارات من الدولارات: إن الوضع الحالي هو الذي يدفع المنظمات إلى استخدام أدوات التخطيط، وليس إلى أذكر أدوات تنبؤية أفضل لمحللي السوق وغيرهم ممن يستخدمون تلك البيانات.

هذه، بطريقة ما، ليست مشكلة جديدة – ولا حتى مشكلة لم يعالجها خبراء التكنولوجيا بالفعل باستخدام الذكاء الاصطناعي.

قام قسم DeepMind في Google ببناء GraphCast؛ نفيديا لديها FourCastNet. لدى شركة Huawei Pangu، التي شهدت العام الماضي إطلاق مكون الطقس الذي شهد موجة من الاهتمام. هناك أيضًا مشاريع جارية لبناء نماذج الذكاء الاصطناعي من بيانات الطقس للتركيز على الأحداث الطبيعية الأخرى، كما تم تسليط الضوء عليه في الأسبوع الماضي فقط في هذا التقرير عن فريق يحاول تقديم فهم جديد لأنماط هجرة الطيور.

رد جوا على ذلك ذو شقين. أولاً، تعتقد أن نموذجها أفضل من النماذج الأخرى، ويرجع ذلك جزئيًا إلى أنها تستوعب المزيد من المعلومات وأكبر حجمًا – بمضاعفات 20x مقارنة بـ GraphCast، كما تدعي. ثانيًا، الطقس هو مجرد نقطة البداية للنظر في مجموعة أوسع من الأسئلة والأجوبة والتحديات الفيزيائية.

“يجب على الشركات تحسين قدراتها للاستجابة لكل هذا [climate] وقال “التقلبات”. “لذا، على المدى القصير، هذه هي المشكلة التي نعمل على حلها. لكن بالنظر إلى المستقبل، فإننا نبني النموذج التأسيسي الأول للعالم الطبيعي… نحن في الأساس نبني نموذجًا آليًا يتعلم الفيزياء… وهذا أحد الركائز الأساسية لتحقيق الذكاء العام الاصطناعي لأن مجرد فهم اللغة ليس كذلك. لا يكفي.”

لم تطلق الشركة بعد منتجاتها الأولى، لكن قفزة الثقة التي يتخذها المستثمرون لم يتم صياغتها فقط في الضجيج لكل ما يتعلق بالذكاء الاصطناعي.

قبل جوا، ترأس جابلر الأبحاث في شركة Q.met، وهي شركة فاعلة منذ فترة طويلة في مجال التنبؤ بالطقس. وعمل أيضًا على تكنولوجيا التعلم العميق لصالح الحكومة الألمانية. عمل برينر في قطاع الطاقة وأسس سابقًا شركة ناشئة لبرامج إدارة الأسطول. إن هذه التجارب مجتمعة لا تعمل فقط على سد الوعي الفني بالمشكلات والحلول المحتملة، ولكن أيضًا الفهم المباشر لكيفية تعامل الصناعة مع ذلك.

كما يعرض أيضًا بعض الأعمال المبكرة للمستثمرين والعملاء المحتملين، ويحصل على مدخلاتهم بشأن البيانات، بينما يواصل تطوير المنتج.

يبدو أن أحد الأهداف هو اتباع نهج جديد لمفهوم ما يدخل في النماذج التنبؤية. على سبيل المثال، عند بناء نموذج للتنبؤ بالطقس، قال برينر إن “استخدام محطات الأرصاد الجوية أمر واضح جدًا”. ولكن بالإضافة إلى ذلك، فإنها تستوعب ما يصفه بـ “البيانات الأكثر ضجيجًا” بما في ذلك صور الأقمار الصناعية الحديثة والتضاريس وغيرها من “البيانات الأحدث والأكثر حداثة” لبناء نماذجها. وأوضح أن “الفرق الرئيسي هو أننا نبني هذا النظام الشامل حيث يتم الآن جمع جميع البيانات التي كانت تستخدم في خطوات مختلفة من سلسلة القيمة في نفس المجمع”. وقالت الشركة إن لديها حوالي 5 بيتابايت (5000 تيرابايت) من بيانات التدريب، مقابل حوالي 45 تيرابايت لـ GPT3 و(يُقال) 1 بيتابايت لـ GPT4. (على الرغم من ذلك، افهم أن بيانات اللغة قد تحتاج إلى بيانات أقل من نموذج العالم المادي.)

هدف آخر – ليس صغيرا – هو أن الشركة تحاول بناء شيء أكثر كفاءة لخفض التكاليف التشغيلية لنفسها وللعملاء. وقال برينر: “يستخدم نظامنا حوسبة أقل بمقدار 10000 مرة من الأنظمة القديمة”.

ومن الجدير بالذكر أن جوا آخذة في الظهور وتحصل على التمويل في هذه اللحظة على وجه الخصوص.

تتشكل النماذج التأسيسية لتكون حجر الزاوية في كيفية تطوير الجيل القادم من تطبيقات الذكاء الاصطناعي، وبالتالي فإن الشركات التي تبني النماذج التأسيسية وتتحكم فيها تمتلك الكثير من القيمة والقوة المحتملة.

أكبر المحركات والهزات في هذا المجال في الوقت الحالي هي شركات مثل OpenAI، وGoogle، وMicrosoft، وAnthropic، وAmazon، وMeta: وجميعها شركات أمريكية. وقد حفز ذلك بعض النشاط في أجزاء أخرى من العالم، مثل أوروبا، للبحث عن الشركات المحلية وتمويلها كبدائل. ومن الجدير بالذكر أن 468 Capital تدعم أيضًا شركة Aleph Alpha الألمانية، والتي – مثل اللاعبين النموذجيين الأساسيين في الولايات المتحدة – تقوم أيضًا ببناء نماذج لغة كبيرة، ولكن يبدو أنها في تعاون أوثق مع العملاء المحتملين. (أحد شعاراتها هو “السيادة في عصر الذكاء الاصطناعي”).

“يقوم أندرياس ومارفن والفريق ببناء أول مؤسسة للذكاء الاصطناعي في العالم للفيزياء والعالم الطبيعي، والتي ستكون قادرة على تقديم رؤى قوية لمجموعة واسعة من الصناعات التي تعتمد على الفهم الحقيقي للطبيعة، من شركات التأمين ومقدمي المواد الكيميائية والطاقة. وقال لودفيج إنستالر، الشريك العام في الشركة، في بيان: “لفرق التخطيط للكوارث والمنظمات في مجال الزراعة وشركات الطيران والجمعيات الخيرية”.

هناك شعور “رجل طيب” واضح تجاه شركة الذكاء الاصطناعي التي تسعى إلى فهم أفضل لكيفية تأثير تغير المناخ علينا، للمساعدة في التخطيط بشكل أفضل للكوارث، وربما حتى في يوم من الأيام، يمكن استخدامها للمساعدة في فهم كيفية التعامل مع الكوارث. التخفيف من الأضرار البيئية. والصورة الأكبر لشركة ناشئة تهدف إلى بناء ذكاء اصطناعي يمكنه فهم العالم المادي هي أنه من المحتمل أن يتم تطبيق ذلك على مجموعة أوسع بكثير من التحديات في علوم المواد والطب الحيوي والكيمياء وغير ذلك الكثير. بالإضافة إلى جدوى النموذج نفسه، يحمل الاحتمال أيضًا الكثير من الأسئلة، المشابهة لتلك التي تواجه أنواعًا أخرى من نماذج الذكاء الاصطناعي، حول السلامة والموثوقية والمزيد، وهو شيء يفكر فيه جوا بالفعل، حتى لو بعبارات بدائية. في الوقت الراهن.

قال جابلر: “لكي تنجح النماذج وتكون مقبولة، تحتاج إلى فرض الاتساق”. “أنت بحاجة إلى التأكد من أن النماذج تتعلم فعليًا الفيزياء من الألف إلى الياء لحل المشكلات بشكل صحيح.”