Pagkatapos umalis sa Meta, nagsimula rin si Tian Yuan Dong sa pagpapatakbo ng sariling negosyo.
Kasalukuyang, ang startup na Recursive_SI ay opisyal na ipinakilala at inilabas ang listahan ng mga tagapagtatag, kabilang dito si Tian Yuan Dong.
Kasama sa founding team ang Richard Socher (CEO), Tim Rocktäschel, Jeff Clune, Tim Shi, Caiming Xiong, Alexey Dosovitskiy, atbp.
Ang mga founding member ay nakikilahok sa pagtatatag ng mga AI research lab ng Salesforce at Uber, at nagsilbing mga lider sa mga team tulad ng OpenAI, DeepMind, Google Brain, at Meta, na may malawak na karanasan sa pananaliksik at pagpapalawak ng negosyo.
Ang Recursive_SI ay nakatuon sa pagbuo ng isang artificial intelligence na makakagawa ng sariling mga eksperimento at magpapabuti sa sarili nang ligtas — na patuloy na umuunlad sa isang bukas na proseso ng awtomatikong paghahanap ng agham, na itinuturing na pinakamalaking daan patungo sa superintelligence.
Kasalukuyan, nakalikom ang Recursive ng $650 milyon sa halagang $4.65 bilyon, na pinamumunuan ng GV (Google Ventures) at Greycroft, kasama ang mga mahalagang pag-invest mula sa AMD Ventures at NVIDIA.
Lumampas na sa 25 ang mga miyembro ng tim, at patuloy pa ring umuunlad, at nakakalikha na ng maraming karaniwang talento, kabilang ang darating na si Zhuge Mingchen.
Si Zhuge Mingchen ay kasalukuyang isang founding member ng Recursive, na nagtapos ng doktorado sa Computer Science sa King Abdullah University of Science and Technology (KAUST) sa ilalim ng pagtuturo ni Professor Jürgen Schmidhuber, kilala bilang “ama ng LSTM”. Ang kanyang pananaliksik ay nakatuon sa code agents, recursive self-improvement (RSI), at next-generation machine paradigms.
Simula noong 2023, nagsimula si Zhuge Mingchen sa sistematikong pag-aaral ng Recursive Self-Improvement (RSI).
Sa panahon ng MetaGPT, ipinangako niya na dapat mayroon ang mga agent ng mekanismo para sa patuloy na self-optimization at evolusyon ng kakayahan, at patuloy niyang pinagsusulong ang direksyong ito sa kanyang mga susunod na gawa. Ang GPTSwarm ay itinuturing bilang isa sa mga unang paradigm ng RSI system sa panahon ng LLM, na una nang sistematikong ipinakilala at binigyang-katotohanan ang self-organizing collaboration framework batay sa Graph-based Agents, na gumagamit ng dynamic graph structure para sa koordinasyon, feedback, at evolusyon ng kakayahan ng mga agent—ang pangunahing ideyang ito ay matapos ay malawakang kinuha ng maraming susunod na multi-agent at Agentic AI na mga gawa. Ang Agent-as-a-Judge ay nagpapatuloy sa pag-aaral ng patuloy na feedback at self-assessment mechanism sa mahabang panahon na mga gawain, na nagtatangkang lutasin ang mga isyu ng kontinuidad at stabilong optimization ng mga agent sa mga kumplikadong gawain; samantalang ang pag-aaral sa NeuralComputer ay naglalayong lumikha ng susunod na henerasyon ng AI system architecture, na nag-aaral ng isang bagong machine paradigm na nagtatagpo ng memorya, pag-iisip, at kakayahang mag-automatikong umuunlad.
Nakikita na ang mga miyembro ng research team ng Recursive ay may malalim na akademikong karanasan sa direksyon ng recursive self-improvement.
Ipinagpapalabas ni Tian Yuan Dong at iba pang mga tagapagtatag sa X: Ginagawa namin ang isang artificial intelligence na makakahanap ng kaalaman nang awtomatiko at magrerecursive na magpapabuti sa sarili—ang bukas na prosesong ito ay magbabago nang malalim ang paraan ng pag-unlad ng agham at teknolohiya.
Sa maraming pangunahing larangan ng recursive self-improving AI, ang team ay nasa kahusayan ng industriya.
Nakamit ng mga miyembro ang malalaking pagbubukas sa mga direksyon tulad ng open-ended algorithms, quality diversity algorithms, AI-generated algorithms, self-improving programming agents, automated red teaming and capability discovery, prompt engineering and its automation, learning challenges and environment generation, foundational world models, deep learning for natural language processing, vision transformers, retrieval-augmented generation, at AI scientists.
Kaya, talagang umaasa kami sa susunod na pag-aaral ng Recursive_SI.
Nakukuha ang artikulong ito mula sa WeChat public account na “Machine Heart”, may-akda: Machine Heart, editor: Machine Heart Editorial Team