Recursive Superintelligence Inc., une startup qui espère développer des modèles d'intelligence artificielle auto-améliorés, a été lancée aujourd'hui avec un financement de 650 millions de dollars.
Le fonds GV d'Alphabet Inc. et Greycroft ont mené le tour. Ils ont été rejoints par Nvidia Corp. et la branche de capital-risque d'Advanced Micro Devices Inc. Recursive indique que l'investissement le valorise à 4,65 milliards de dollars.
La société a été fondée plus tôt cette année par l'ancien scientifique en chef de Salesforce Inc., Richard Socher. Il a précédemment lancé You.com Inc., un fournisseur d'interfaces de programmation d'applications que les modèles d'IA utilisent pour effectuer des recherches en ligne. La startup a reçu une valorisation de 1,5 milliard de dollars l'année dernière.
Selon le New York Times, l'équipe initiale de Recursive était composée de Socher et de six autres membres du personnel. L'entreprise compte désormais plus de 25 employés à San Francisco et à Londres. Ils travaillent à la création d'une superintelligence dite récursive auto-améliorée, ou d'un modèle d'IA capable de découvrir de nouvelles connaissances de la même manière que les scientifiques humains.
Les réseaux neuronaux actuels ne peuvent pas effectuer de recherche fondamentale de manière totalement autonome. En conséquence, la première priorité de Recursive est de créer un modèle d’IA capable d’améliorer sa propre base de code. L’entreprise espère qu’un tel modèle sera capable de découvrir comment développer une IA aussi efficace que les humains dans les tâches scientifiques.
L'IA de l'entreprise cherchera des moyens de s'améliorer en effectuant des simulations « dans le cadre d'un processus ouvert de découverte scientifique automatisée ». Récursif dit que le modèle développera des idées d'expériences, les testera puis validera les résultats. L'entreprise développera des garde-fous pour empêcher le logiciel de produire des résultats à risque.
Selon Recursive, les expérimentations menées par son modèle d'IA se concentreront sur l'amélioration non seulement de son code mais aussi de son exploit. Un harnais est un ensemble de programmes auxiliaires que les fournisseurs d’IA utilisent pour améliorer les résultats de leurs algorithmes. De plus, le système de Recursive cherchera des moyens d'améliorer son infrastructure de formation et d'inférence.
OpenAI Group PBC utilise déjà son modèle GPT-5.5 récemment publié à cette fin. La société divise chaque demande d'inférence en « morceaux » et les répartit sur plusieurs cœurs de carte graphique pour accélérer le traitement. Jusqu'à récemment, le nombre de morceaux impliqués dans le flux de travail était fixe. Selon OpenAI, GPT-5.5 a développé une méthode de parallélisation plus efficace qui a augmenté les vitesses de génération de jetons de plus de 20 %.
Certaines entreprises utilisent l'IA pour améliorer non seulement leurs flux de travail d'inférence, mais également le matériel sous-jacent. L'investisseur récursif Alphabet, par exemple, dessins ses accélérateurs TPU à l'aide d'un réseau neuronal formé sur des plans de puces. Les créateurs du système récemment lancé une startup appelée Ricursive Intelligence Inc. pour mettre une technologie similaire à la disposition d'autres entreprises.
Recursive n'a pas révélé quelles méthodes d'apprentissage automatique alimenteront son IA auto-améliorée. Rival Ineffable Intelligence Ltd., qui espère également développer des modèles capables de découvrir de nouvelles connaissances, est en utilisant apprentissage par renforcement. Il s'agit d'une technique de modèle d'IA couramment utilisée dans les grands projets de modèles de langage.
« Nous commencerons par la recherche sur l'IA elle-même, mais nous espérons éventuellement élargir son ouverture à la physique, à la chimie et surtout à la biologie préclinique », a déclaré Socher. a écrit dans un article sur X. « L'IA sera à la biologie ce que le calcul était à la physique – un nouveau langage et une nouvelle façon de penser qui traite des systèmes complexes et nous aide à mieux les comprendre et les concevoir. »
