Pernyataan tesis

Sebuah pasukan kecil penyelidik AI di Palo Alto keluar dari bayang-bayang bulan ini dengan berita besar dan ambisi yang lebih besar lagi. NeoCognition, yang ditubuhkan oleh akademik terkemuka dari Ohio State University, mengumumkan putaran pendanaan benih sebanyak $40 juta pada 21 April 2026. Putaran yang melebihi permintaan ini datang daripada penyokong canggih yang bersemangat untuk mendorong AI melampaui alat-alat yang berbual tetapi seringkali kaku pada masa kini.

 

NeoCognition ingin menyelesaikan kelemahan utama dalam agen AI semasa, iaitu ketidakmampuan mereka untuk menangani kerja peringkat pakar dengan boleh dipercayai, dengan membina sistem yang terus belajar semasa bekerja, membina model terperinci tentang persekitaran operasi mereka, dan berubah menjadi pakar khusus sama seperti manusia apabila menguasai profesi baharu.

Yu Su, seorang profesor muda di Universiti Ohio State dan rakan penyelidikan Sloan 2025, menghabiskan bertahun-tahun membangun alat-asas untuk agen AI jauh sebelum ChatGPT menarik perhatian awam. Pasukannya mencipta projek-projek berpengaruh seperti Mind2Web, MMMU, dan SeeAct, yang membentuk cara model bahasa besar moden menangani perancangan, persepsi, dan tindakan. Kontribusi-kontribusi ini muncul dalam sistem-sistem dari OpenAI, Anthropic, dan Google hari ini.

 

Su dan rakan penubuh lain, Xiang Deng dan Yu Gu, memutuskan bahawa masa telah tiba untuk menjadikan penyelidikan mereka sebagai sebuah syarikat. Mereka berpindah ke Silicon Valley dan mengumpulkan kumpulan ketat sebanyak 15 penyelidik tahap PhD yang secara khusus berfokus pada agen. Karya awal makmal tersebut sudah meliputi elemen-elemen utama seperti memori, perancangan, penilaian, dan keselamatan. Pelabur melihat kekuatan bakat yang mendalam ini dan bertindak dengan cepat. Putaran pendanaan sebanyak $40 juta memberikan jangka masa kepada pasukan untuk mengubah terobosan akademik menjadi sistem praktikal yang mampu meningkatkan diri sendiri dan boleh dipercayai oleh perusahaan untuk tugas sebenar.

 

Latar belakang Su termasuk pengalaman di Microsoft Semantic Machines yang bekerja dalam AI perbualan, ditambah dengan ijazah dari Universiti Tsinghua dan UC Santa Barbara. Rekodnya dalam memenangi anugerah kertas terbaik di konferens terkemuka seperti CVPR dan ACL memberikan keyakinan kepada penyokong bahawa NeoCognition mampu menangani masalah-masalah sukar dalam bidang ini. Para pendiri membawa bersama lebih daripada 30 tahun pengalaman kolektif dalam penyelidikan agen, menjadikan syarikat permulaan ini sebagai sebuah laboratorium penyelidikan tulen dengan matlamat komersial.

Banyak agen AI semasa ini mengalami masalah konsistensi apabila diminta untuk menyelesaikan tugas yang kompleks. Laporan menunjukkan mereka hanya berjaya sebanyak separuh masa sahaja, memaksa pengguna untuk memantau hasil atau menambahkan penyesuaian manual yang berat. Kesenjangan ini muncul di pelbagai alat yang cuba mengkode, melayari, atau mengautomasi alur kerja. Pengguna akhirnya terpaksa mengambil langkah percaya setiap kali mereka melancarkan satu agen.

 

NeoCognition menargetkan titik kesakitan tepat ini. Agen generalis berjaya dengan respons luas tetapi gagal apabila kedalaman dan kebolehpercayaan penting. Mereka tidak mempunyai mekanisme untuk beradaptasi secara mendalam kepada setting tertentu, seperti stak perisian dalaman syarikat atau alur kerja industri. Akibatnya, perusahaan ragu-ragu untuk menyerahkan tanggungjawab berisiko tinggi. Permulaan ini percaya bahawa jalan ke hadapan terletak pada memberikan agen plastisiti yang sama seperti manusia apabila memasuki pekerjaan atau bidang baru.

 

Dengan menumpukan kepada pembelajaran berterusan berbanding latihan sekali sahaja, syarikat berharap dapat meningkatkan kadar kejayaan dan mengurangkan keperluan untuk pengawasan manusia yang berterusan. Perubahan ini boleh membuka pintu kepada agen yang lebih terasa seperti rakan sekerja yang cekap berbanding skrip yang rapuh.

Gagasan utama NeoCognition secara langsung meniru pembelajaran manusia. Apabila seseorang memulai peranan baru, mereka secara beransur-ansur membina peta dalaman tentang apa yang wujud dalam persekitaran itu, tindakan apa yang berkesan, peraturan apa yang berlaku, dan kesudahan apa yang mengikuti pilihan yang berbeza. Seiring masa, model mental ini membolehkan keputusan yang lebih pantas, penilaian yang lebih baik, dan penyelesaian masalah yang kreatif dalam mikrodunia tersebut.

 

Perusahaan rintisan ini mereka agen untuk melakukan sesuatu yang serupa melalui pengalaman autonomi. Alih-alih bergantung semata-mata pada data pra-pelatihan yang besar, sistem-sistem ini mempelajari struktur, alur kerja, dan batasan domain apa pun yang mereka operasikan. Mereka membina "model dunia" yang menangkap hubungan dan dinamika khas kepada satu profesi, organisasi, atau persekitaran perisian. Proses ini berlaku semasa bekerja, membolehkan agen mengkhusus dengan pantas tanpa keperluan rekabentuk manual yang meluas.

 

Su menjelaskan persamaan ini dengan jelas: proses pembelajaran berterusan pada manusia pada dasarnya membina model dunia untuk sebarang kerjaya atau persekitaran. Agen memerlukan kemampuan yang sama untuk mencapai status pakar. Setelah dibina, model tersebut membuat tindakan menjadi lebih pantas, lebih murah, dan lebih boleh dipercayai. Ia juga menyokong perilaku yang lebih selamat dalam persekitaran sensitif kerana agen memahami konsekuensi dan sempadan dengan lebih baik. Mekanisme ini berbeza daripada pakar umum statik yang tetap tidak berubah selepas dilancarkan. Agen NeoCognition terus meningkat melalui penggunaan, mengubah kemampuan umum awal menjadi kecekapan yang mendalam dan peka konteks.

Industri AI telah mengalirkan sumber daya ke model dasar yang semakin besar untuk mencoba menangani segalanya. NeoCognition mengambil sikap yang berlawanan. Masa depan, menurut pandangan mereka, milik banyak agen khusus daripada satu agen super. Setiap agen menguasai dunia sempitnya secara mendalam hingga mampu memberikan kinerja, keandalan, dan penilaian setara pakar.

 

Sistem generik mencapai titik jenuh di mana penambahan data atau parameter lebih lanjut memberikan pulangan yang berkurang untuk tugas dunia nyata yang memerlukan ketelitian dan konsistensi. Spesialisasi melalui pengalaman langsung menawarkan jalan yang lebih efisien untuk pencapaian prestasi tinggi. Agen dapat memfokuskan usaha komputasi untuk memahami satu persekitaran secara mendalam, menghasilkan hasil yang lebih baik dengan kos berterusan yang lebih rendah.

 

Pendekatan ini juga memperluas keahlian dengan cara yang tidak mampu dilakukan manusia. Sementara pakar manusia terkemuka tetap langka dan mahal, agen pembelajaran sendiri dapat menjadikan pengetahuan tingkat domain tersedia di seluruh organisasi tanpa hambatan perekrutan yang sama. Syarikat bertujuan untuk memperluas akses kepada keahlian supaya lebih ramai orang dan pasukan mendapat manfaat daripada kemampuan canggih.

Vista Equity Partners menyertai putaran ini sebahagiannya kerana portfolionya yang besar terdiri daripada syarikat perisian. NeoCognition melihat potensi kuat dalam bekerjasama dengan platform SaaS yang telah mapan untuk mengintegrasikan agen pembelajaran sendiri. Agen-agen ini boleh meningkatkan produk yang sedia ada atau berfungsi sebagai pekerja autonomi di dalam alat-alat biasa yang sudah digunakan oleh syarikat.

 

Perusahaan sering menjalankan persekitaran kompleks dan tersuai dengan peraturan dan aliran data unik. Agen umum mengalami kesukaran di sini tanpa penyesuaian yang berat. Sistem NeoCognition mempelajari spesifikasi tersebut secara langsung melalui interaksi, mengurangkan masa pemasangan dan meningkatkan kecocokan. Dalam tempoh minggu atau bulan penggunaan, agen tersebut memperhalus model dunianya dan menjadi lebih berkesan dalam tugas-tugas seperti pemprosesan data, semakan kepatuhan, atau automatik aliran kerja.

 

Perusahaan permulaan ini menempatkan dirinya sebagai sebuah agen lab daripada platform AI yang luas. Fokus ini membolehkannya mengumpulkan sumber daya pada lapisan pembelajaran dan spesialisasi yang banyak pemain lain anggap sebagai sekunder. Distribusi awal melalui rakan perisian perniagaan boleh mempercepatkan pengambilan dan menyediakan data dunia nyata yang kaya untuk peningkatan lanjut.

Cambium Capital dan Walden Catalyst Ventures memimpin putaran $40 juta, dengan Vista Equity Partners turut serta bersama malaikat-malaikat terkemuka. Lip-Bu Tan, CEO Intel, dan Ion Stoica, salah seorang pendiri Databricks, menambahkan nama dan keahlian mereka. Pemodal lain termasuk penyelidik AI seperti Dawn Song, Ruslan Salakhutdinov, dan Luke Zettlemoyer.

 

Landon Downs daripada Cambium menonjolkan mekanisme pembelajaran baharu yang menjadi inti syarikat yang membolehkan spesialisasi pantas. Lip-Bu Tan memuji cakupan menyeluruh pasukan terhadap cabaran agen dari persepsi hingga keselamatan. Ion Stoica mencatat bahawa apabila agen am menjadi piawai, ujian sebenar berpindah kepada pencapaian kecerdasan peringkat pakar dengan kebolehpercayaan yang diperlukan untuk aplikasi serius.

 

Putaran yang melebihi permintaan mencerminkan keyakinan kuat terhadap latar belakang penyelidikan pasukan asas. Dengan kekuatan kira-kira 15 orang, NeoCognition beroperasi secara ringkas tetapi dengan kepadatan bakat yang luar biasa. Modal ini akan menyokong eksperimen yang lebih mendalam dan perekrutan untuk memajukan arsitektur pembelajaran sendiri.

Beberapa syarikat mengkaji agen AI, namun kebanyakan masih bergantung pada pelatihan berkala atau imbuhan yang dicipta manusia untuk meningkatkan prestasi. NeoCognition menekankan proses dalaman yang autonomi, di mana agen membina dan menyempurnakan pemahaman mereka sendiri tanpa campur tangan luar yang berterusan. Reka bentuk ini bertujuan untuk mencapai plastisiti sejati, iaitu kemampuan untuk beradaptasi dengan pantas kepada konteks baru, sebagaimana seorang pekerja baru yang bermotivasi.

 

Penekanan terhadap model dunia bagi persekitaran abstrak, struktur, dan operasi melampaui persepsi skrin semata-mata atau penggunaan alat asas. Agen mempelajari apa yang penting dalam mikro-dunia tertentu, bagaimana elemen-elemen berinteraksi, dan tindakan mana yang menghasilkan hasil yang diinginkan. Pengetahuan berstruktur ini menyokong perancangan yang lebih baik dan lebih sedikit ralat seiring masa.

 

Pendiri menekankan bahawa sistem mereka meningkatkan bukan menggantikan kerja manusia. Dengan menangani tugas rutin yang berulang atau kompleks dengan kecekapan yang semakin meningkat, agen membebaskan manusia untuk fokus pada kreativiti dan strategi peringkat lebih tinggi. Matlamatnya berpusat pada peningkatan kemampuan keseluruhan di kalangan pasukan dan organisasi.

Yu Su dan rakan-rakan penemuannya mengambil inspirasi daripada penyesuaian harian manusia. Perhatikan seseorang yang bermula sebagai analis junior atau pelatih perdagangan. Dalam beberapa bulan, mereka membangun pemahaman intuitif terhadap peraturan tidak tertulis, jalan pintas, dan jebakan dalam bidang mereka. Model dalaman ini mendorong kecekapan dan keputusan yang bijak. NeoCognition ingin agen-agen mengikuti laluan selari melalui pembelajaran yang disengajakan dan berdasarkan pengalaman.

 

Ahli pasukan membawa semangat peribadi terhadap visi ini. Banyak daripada mereka datang dari makmal akademik di mana mereka memerhatikan prototaip agen yang menjanjikan gagal menghadapi kompleksiti sebenar. Kefrustrasan terhadap keputusan yang tidak konsisten mendorong peralihan kepada komersialisasi dengan fokus jelas pada peningkatan berterusan.

 

Pekerja awal termasuk penyelidik yang menyumbang kepada kertas-kertas asas yang kini digunakan secara meluas di industri. Pengetahuan bersama mereka mencipta persekitaran yang subur untuk mengulang kaji mekanisme pembelajaran. Ibu pejabat di Palo Alto menjaga kumpulan ini berdekatan dengan bakat dan rakan kongsi sambil mengekalkan budaya penelitian terlebih dahulu.

Jika NeoCognition berjaya, organisasi boleh melaksanakan agen yang berkembang menjadi pakar yang boleh dipercayai dalam perakaunan, semakan reka bentuk, alur sokongan pelanggan, atau analisis data saintifik. Sistem-sistem ini tidak memerlukan pemrograman semula secara berterusan untuk setiap pelanggan atau jabatan baru. Sebaliknya, mereka beradaptasi dengan membina model yang tepat terhadap persekitaran sasaran.

 

Kemampuan ini boleh mendemokratisasikan akses kepada sokongan peringkat pakar. Pasukan kecil atau wilayah dengan kekurangan bakat mungkin mendapat alat yang berprestasi pada tahap yang sebelum ini hanya tersedia kepada kumpulan yang mempunyai sumber berlimpah. Kesan ekonomi boleh merangkumi peningkatan produktiviti dan kitaran inovasi yang lebih pantas apabila kerja kognitif rutin berpindah kepada sistem yang mampu dan meningkat sendiri.

 

Pendekatan ini juga menangani kebimbangan keselamatan. Pemahaman persekitaran yang lebih mendalam membantu agen mengenali sempadan dan mengelakkan tindakan berbahaya dalam domain berisiko tinggi. Keuntungan kebolehpercayaan paling penting di mana ralat membawa kos sebenar.

Mencipta gelung pembelajaran diri yang kukuh menghadapi rintangan teknikal. Agen mesti membezakan corak yang berguna daripada gangguan, mengelakkan penguatan kesilapan, dan mengekalkan kestabilan semasa mengemas kini model dunia mereka. Menyeimbangkan eksplorasi strategi baharu dengan pelaksanaan yang boleh dipercayai memerlukan rekabentuk yang teliti. Kecekapan data juga penting. Manusia belajar daripada contoh terhad dalam situasi baharu; penskalaan kecekapan ini dalam silikon masih menjadi soal penyelidikan yang terbuka. 

 

Pasukan NeoCognition menggunakan kerja sebelumnya dalam penilaian dan memori untuk mengatasi isu-isu ini, tetapi ujian dunia nyata dalam skala besar akan mengungkap kesenjangan. Syarikat ini terus fokus pada kemajuan yang boleh diukur menuju kadar kejayaan yang lebih tinggi dan spesialisasi yang lebih pantas. Kemajuan kemungkinan akan datang secara bertahap apabila agen-agen menghadapi pelbagai persekitaran perniagaan dan menyempurnakan proses pembelajaran mereka.

NeoCognition membayangkan dunia di mana keahlian menjadi melimpah melalui agen pembelajaran mandiri. Alih-alih bersaing dengan manusia, sistem-sistem ini memperkuat kemampuan dan membuka peluang baru untuk penemuan dan penyelesaian masalah. Setiap agen memperdalam penguasaannya dalam bidang tertentu, menciptakan jaringan kecerdasan khusus yang melayani berbagai kebutuhan. Dana sebesar $40 juta mempercepat penelitian terhadap mekanisme pembelajaran yang menjadikan visi ini mungkin. 

 

Dengan sokongan pelabur yang kuat dan pasukan inti yang berbakat, lab ini bertujuan untuk menghantar agen yang memperoleh kepercayaan melalui prestasi yang konsisten dan terus membaik. Perusahaan dan pembangun mungkin segera menguji sistem yang bermula dengan kompeten dan berkembang menjadi pakar sebenar seiring masa. Evolusi ini boleh menandakan langkah bermakna melampaui asisten AI hari ini menuju rakan yang benar-benar belajar bersama pengguna mereka.

Modal baru menyokong eksperimen yang diperluaskan terhadap algoritma pembelajaran utama dan pembinaan model dunia. Dengan pasukan kecil tetapi elit, NeoCognition boleh mengejar arah berisiko tinggi dan pulangan tinggi dalam plastisiti agen. Rancangan termasuk pengujian integrasi yang lebih mendalam dalam konteks perniagaan untuk mengumpul maklum balas dan data bagi penyempurnaan.

 

Pendukung mengharapkan pendanaan ini menghasilkan prototip yang menunjukkan kelebihan jelas dalam kebolehpercayaan dan kelajuan penyesuaian. Kejayaan di sini boleh menarik putaran seterusnya dan perjanjian yang lebih luas. Pendekatan yang berat berdasarkan penyelidikan menjaga syarikat tetap berasaskan penilaian yang ketat, bukan dorongan produk yang terlalu awal.

Persekitaran perisian perusahaan menawarkan tempat ujian yang kaya dengan peraturan yang terstruktur tetapi kompleks. Agen akan menghadapi pelbagai alur kerja, skema data, dan keperluan pematuhan. Pembelajaran untuk berjaya menavigasi ini akan mengesahkan konsep model dunia dan menonjolkan bidang-bidang yang perlu diperbaiki.

 

Maklum balas pengguna daripada uji coba awal akan membantu menyesuaikan cara agen menyeimbangkan kelajuan, ketepatan, dan keselamatan. Syarikat menekankan pembangunan yang bertanggungjawab, menggunakan pemahaman persekitaran untuk memandu tindakan yang lebih selamat. Seiring masa, pelaksanaan sebenar ini seharusnya menghasilkan agen yang terasa semakin semulajadi dan boleh dipercayai dalam operasi harian.

Jumlah besar kini mengalir ke lapisan aplikasi dan kebolehpercayaan, bukan semata-mata latihan model terkini. Putaran NeoCognition menonjolkan minat pelabur terhadap pasukan yang mempunyai sumbangan akademik yang terbukti dalam agen. Tebakan ini berpusat pada spesialisasi dan pembelajaran berterusan sebagai hadapan seterusnya untuk kesan praktikal.

 

Pola ini menunjukkan harapan yang semakin matang dalam bidang ini. Pencadang menghendaki sistem yang memberikan nilai yang dapat diukur dalam persekitaran sebenar, bukan hanya demo yang mengesankan. Fokus NeoCognition pada peningkatan diri selaras dengan permintaan untuk agen yang membenarkan pengambilan entepris melalui peningkatan kemampuan dan kos jangka panjang yang lebih rendah.

1. Bagaimana pendekatan NeoCognition terhadap agen AI berbeza daripada kebanyakan sistem semasa? 

 

Syarikat ini membina agen yang belajar secara berterusan semasa bekerja dengan membina model dunia bagi persekitaran khusus mereka. Ini membolehkan mereka menjadi pakar dengan cepat, mengatasi ketidakkonsistenan yang membatasi agen am masa kini yang sering berjaya hanya sekitar separuh masa dalam tugas-tugas kompleks.

 

2. Siapakah pendiri NeoCognition dan apakah yang membuat latar belakang mereka menonjol? 

 

Yu Su, Xiang Deng, dan Yu Gu melancarkan makmal tersebut. Su, seorang rakan penyelidikan Sloan dan profesor Ohio State, sebelumnya memimpin penyelidikan agen yang berpengaruh dan bekerja di Microsoft dalam AI perbualan. Kertas kerja dan alat kolektif mereka telah memberi kesan kepada pembangun AI utama, memberikan pasukan ini keahlian mendalam dalam persepsi, perancangan, dan keselamatan.

 

3. Apakah yang akan digunakan untuk pendanaan $40 juta? 

 

Modal tersebut menyokong usaha berfokus pada penyelidikan untuk membangun dan menguji mekanisme pembelajaran sendiri. Dengan pasukan kecil penyelidik PhD, dana ini membolehkan pengulangan pantas dalam pembinaan model dunia, algoritma spesialisasi, dan uji coba integrasi perusahaan sambil menarik bakat tambahan.

 

4. Bolehkah agen-agen pembelajaran sendiri ini berfungsi dalam persekitaran perniagaan berisiko tinggi segera? 

 

Versi awal memerlukan pengesahan yang teliti, tetapi reka bentuk menekankan pembinaan pemahaman persekitaran untuk meningkatkan kebolehpercayaan dan keselamatan. Matlamatnya ialah mencipta agen yang menjadi lebih boleh dipercayai seiring masa melalui penggunaan, menjadikannya sesuai untuk alur kerja di mana konsistensi penting.

 

5. Bagaimana teknologi NeoCognition mungkin mempengaruhi pekerja pengetahuan? 

 

Agen boleh menangani bahagian rutin atau berat data dalam pekerjaan, membebaskan manusia untuk fokus pada kerja kreatif dan strategik. Dengan membuat kepakaran khusus lebih boleh diakses, sistem mungkin membantu pasukan atau organisasi kecil mendapatkan kemampuan yang sebelumnya hanya terhadap kumpulan pakar besar, berpotensi meningkatkan produktiviti keseluruhan.

 

6. Di mana saya boleh mempelajari lebih lanjut tentang kemajuan NeoCognition? 

 

Lawati laman web rasmi untuk pembaruan mengenai misi dan arah penyelidikan mereka. Liputan di TechCrunch dan pengumuman pers syarikat memberikan titik permulaan yang kukuh mengenai pendanaan dan visi teknikal.

Kandungan ini hanya untuk tujuan maklumat dan tidak merupakan nasihat pelaburan. Pelaburan mata wang kripto membawa risiko. Sila lakukan penyelidikan anda sendiri (DYOR).

 

Penafian: Halaman ini telah diterjemahkan dengan menggunakan teknologi AI (dikuasakan oleh GPT) untuk keselesaan anda. Untuk mendapatkan maklumat yang paling tepat, rujuk kepada versi bahasa Inggeris asal.