Els principals investigadors d'IA abandonen OpenAI, Google i Meta per fundar una nova empresa emergent

Nova YorkAquest estiu, el director executiu de Meta, Mark Zuckerberg, va convidar Rishabh Agarwal a unir-se al nou laboratori d'intel·ligència artificial de la companyia, i li va oferir milions de dòlars en accions i salari. Amb el nou laboratori, Zuckerberg va afirmar que volia construir “superintel·ligència”, una tecnologia que pogués eclipsar les capacitats del cervell humà. Tot i que que ningú sabia com crear superintel·ligència, va instar Agarwal a fer un salt de fe. En un món que canvia ràpidament, li va dir Zuckerberg, el risc més gran que pots córrer és no córrer cap risc. Però tot i que que el doctor Agarwal ja treballava a Meta, va rebutjar l'oferta.

Agarwal està situat entre els més de vint investigadors que han deixat la seva feina a Meta, OpenAI, Google DeepMind i altres grans projectes d'IA les últimes setmanes per unir-se a Periodic Labs, una nova empresa emergent de Silicon Valley. Moltes persones no només han renunciat a desenes de milions de dòlars, sinó també a centenars de milions, per fer el salt.

Mentre els laboratoris d'IA persegueixen objectius poc definits com la superintel·ligència i un concepte similar anomenat intel·ligència artificial general, Periodic Labs se centra en desenvolupar tecnologia IA que pugui accelerar nous descobriments científics en àrees com la física i la química. "L'objectiu principal de la IA no és automatitzar el treball administratiu", va afirmar Liam Fedus, un dels fundadors de la start-up. "L'objectiu principal és accelerar la ciència", va afegir.

Fedus va formar part del petit equip d'investigadors d'OpenAI que va crear ChatGPT el 2022. Va deixar OpenAI al març per fundar Periodic Labs amb Ekin Dogus Cubuk, que anteriorment havia treballat a Google DeepMind, el principal laboratori d'intel·ligència artificial del gegant tecnològic de l'empresa del cercador.

Diverses empreses líders en IA ja estan treballant en tecnologies per accelerar el descobriment científic. Dos investigadors de Google DeepMind van guanyar un premi Nobel pel seu treball en un projecte anomenat AlphaFold, que pot ajudar a accelerar el descobriment de fàrmacs de manera senzilla però significativa.

Els líders del sector solen argumentar que els grans models lingüístics –les tecnologies que impulsen els xatbots– aviat aconseguiran avenços científics importants. OpenAI i Meta afirmen que les seves tecnologies ja estan avançant cap a aquest objectiu en àrees com ara el descobriment de fàrmacs, les matemàtiques i la física teòrica. "Creiem que la IA avançada pot accelerar l'avenç del descobriment científic i que l'OpenAI està en una posició única per ajudar a liderar el camí", va afirmar un portaveu d'OpenAI, Laurance Fauconnet, en un comunicat.

Però el Fedus va afirmar que aquestes empreses no estaven encaminades cap al veritable descobriment científic. "Silicon Valley és intel·lectualment mandrós" en descriure el futur dels grans models lingüístics, va afirmar. Ell i el doctor Cubuk recorden una època en què les principals operacions de recerca de la indústria tecnològica, com Bell Labs i IBM Research, consideraven les ciències físiques una part vital de la seva missió.

Els sistemes d'IA que impulsen xatbots com ChatGPT s'anomenen xarxes neuronals, nom que fa referència a la xarxa de neurones del cervell. En identificar patrons en grans quantitats de text extret d'internet, aquests sistemes aprenen a imitar la manera de combinar les paraules de les persones. Fins i tot poden aprenen a escriure programes informàtics i a resoldre problemes matemàtics. Però Fedus i Cubuk creuen que, per més que analitzin aquests sistemes, no podran dominar l'art del descobriment científic. Per aconseguir-ho, afirmen, les tecnologies d'IA també han d'aprendre d'experiments físics al món real.

Un xatbot "no pot raonar durant dies i arribar a un descobriment increïble –va dir Cubuk–. Els humans tampoc no ho poden fer. Fan molts experiments de prova abans de trobar una cosa increïble, si és que en troben", va concloure.

Experiments a gran escla

Periodic Labs, que ha obtingut més de 300 milions de dòlars en finançament inicial de la firma de capital risc Andreessen Horowitz (a16z) i d'altres, ha començat els seus treballs en un laboratori de recerca a San Francisco. Però planeja construir el seu propi laboratori a Menlo Park, Califòrnia, on robots –robots físics– duran a terme experiments científics a gran escala. Els investigadors de la companyia organitzaran i guiaran aquests experiments. Mentrestant, els sistemes d'IA analitzaran tant l'experimentació com els resultats. S'espera que aquests sistemes aprenguin a fer experiments similars per si sols.

Així com les xarxes neuronals poden aprendre habilitats identificant patrons en grans quantitats de text, també poden aprendre d'altres tipus de dades, com imatges, sons i moviments. Fins i tot poden aprendre de diferents tipus de dades simultàniament. En analitzar una col·lecció de fotos i els peus de foto que les descriuen, per exemple, un sistema pot comprendre la relació entre tots dos. Pot aprendre que la paraula poma descriu una fruita rodona i vermella.

A Periodic Labs, els sistemes d'IA aprendran de la literatura científica, l'experimentació física i els esforços repetits per modificar i millorar aquests experiments. Per exemple, un dels robots de l'empresa podria realitzar milers d'experiments en què combini diversos materials en un esforç per crear un nou tipus de superconductor, que es podria fer servir per construir tota mena de nous equips elèctrics.

Guiat pel personal de l'empresa, el robot podria triar diversos materials prometedors basant-se en la literatura científica existent, barrejar-los en un matràs de laboratori, escalfar-los en un forn, provar el material i repetir tot el procés amb diferents materials. Després d'analitzar prou aquest assaig i error científic (identificant els patrons que condueixen a l'èxit), un sistema d'IA podria, en teoria, aprendre a automatitzar i accelerar experiments similars.

"No s'aconseguirà el descobriment a la primera, però s'iterarà", va dir Cubuk, la qual cosa significa que repetirà el procés una vegada i una altra. "Després de moltes iteracions, esperem aconseguir-ho més ràpid". Fa anys que els investigadors d'IA exploren idees similars. Tot i això, la potència informàtica i altres recursos necessaris per impulsar aquest tipus d'esforç només estan disponibles recentment.

Així i tot, desenvolupar aquest tipus de tecnologia és enormement difícil i requereix molt de temps. Desenvolupar IA al món digital és molt més fàcil que en el món físic. "Resoldrà això el càncer en dos anys? No", va dir Oren Etzioni, director executiu fundador de l'Institut Allen per a la IA. "Però és una aposta bona i visionària? Sí", va afegir.