Après avoir quitté Meta, Tian Yuandong a également commencé à créer son entreprise.
Juste maintenant, l'entreprise start-up Recursive_SI a été officiellement présentée, et la liste de ses fondateurs a été rendue publique, incluant Tian Yuandong.
Outre Tian Yuan Dong, l'équipe fondatrice comprend également Richard Socher (PDG), Tim Rocktäschel, Jeff Clune, Tim Shi, Caiming Xiong et Alexey Dosovitskiy.
Ces membres fondateurs ont participé à la création des laboratoires de recherche en IA de Salesforce et Uber, et ont occupé des postes de direction au sein d'équipes telles qu'OpenAI, DeepMind, Google Brain et Meta, avec une riche expérience en recherche et en entrepreneuriat.
Recursive_SI s'engage à créer une intelligence artificielle capable d'effectuer des expériences autonomes et de s'améliorer en toute sécurité — en évoluant constamment au sein d'un processus ouvert de découverte scientifique automatisée, considéré comme le chemin le plus probable vers l'intelligence artificielle supérieure.
Actuellement, Recursive a levé 650 millions de dollars, avec une évaluation de 4,65 milliards de dollars, menée par GV (Google Ventures) et Greycroft, avec des investissements significatifs de AMD Ventures et NVIDIA.
L'équipe compte désormais plus de 25 membres et continue de s'agrandir, attirant de nombreux talents exceptionnels, dont Zhuge Mingchen, qui rejoindra bientôt l'équipe.
Zhu Ge Mingchen est membre fondateur de Recursive. Il détient un doctorat en science informatique de l'Université scientifique et technologique du roi Abdallah (KAUST), où il a étudié sous la direction du professeur Jürgen Schmidhuber, réputé comme le « père du LSTM ». Ses recherches se concentrent principalement sur les agents de codage, l'amélioration récursive autonome (Recursive Self-Improvement, RSI) et les prochaines générations de paradigmes machine.
Depuis 2023, Zhu Ge Mingchen a commencé à explorer systématiquement la direction de l'auto-amélioration récursive (RSI).
Pendant la période MetaGPT, il a proposé que les agents devraient posséder des mécanismes d'optimisation continue et d'évolution des capacités, et a poursuivi activement cette ligne de recherche dans ses travaux ultérieurs. Parmi ceux-ci, GPTSwarm est considéré comme l'un des premiers paradigmes de systèmes RSI de l'ère des LLM, ayant introduit et validé pour la première fois un cadre de collaboration auto-organisée basé sur des agents graphiques, utilisant une structure de graphe dynamique pour réaliser la coopération, la rétroaction et l'évolution des capacités entre agents — une idée centrale largement adoptée par de nombreux travaux ultérieurs sur les systèmes multi-agents et l'IA agente. Agent-as-a-Judge a approfondi l'étude des mécanismes de rétroaction continue et d'évaluation autonome dans les tâches à long terme, en cherchant à résoudre les problèmes de continuité et d'optimisation stable des agents dans des tâches complexes. Enfin, la recherche sur NeuralComputer s'oriente vers l'architecture des systèmes d'IA de prochaine génération, en explorant un nouveau paradigme machine intégrant mémoire, raisonnement et capacité d'évolution autonome.
On peut constater que l'équipe de recherche de Recursive possède une expérience académique approfondie dans le domaine de l'amélioration récursive autonome.
Plusieurs fondateurs, dont Tian Yuan Dong, ont fait la promotion sur X : nous développons une intelligence artificielle capable de découvrir automatiquement des connaissances et de s'améliorer de manière récursive — ce processus ouvert transformera fondamentalement la manière dont la science et la technologie progressent.
L'équipe se trouve à la pointe de l'industrie dans plusieurs domaines clés de l'intelligence artificielle à amélioration récursive et autonome.
Les membres ont réalisé des avancées majeures dans les domaines des algorithmes ouverts, des algorithmes de diversité de qualité, des algorithmes de génération par IA, des agents de programmation auto-améliorants, des tests automatisés de red teaming et de découverte de capacités, de l'ingénierie et de l'automatisation des invites, de la génération de défis et d'environnements d'apprentissage, des modèles mondiaux fondamentaux, de l'apprentissage profond en traitement du langage naturel, des Transformers visuels, de la génération enrichie par recherche et des scientifiques IA.
Nous sommes donc très impatients de voir les prochaines recherches sur Recursive_SI.
Cet article provient du compte WeChat « Machine Heart », auteur : Machine Heart, édité par l'équipe d'édition de Machine Heart