Sam Altman frappe à nouveau. Cette fois-ci, il a investi dans une équipe de RPA en phase de démarrage de seulement 5 personnes, Induced AI, avec deux cofondateurs, Aryan Sharma et Ayush Pathak, l’un âgé de 18 ans et l’autre de 19 ans.
Non seulement Sam Altman, mais aussi SignalFire, Peak XV, SV Angel et d’autres ont participé au tour de financement d’amorçage de 2,3 millions de dollars d’Induced AI. Nat Friedman et Daniel Gross, les deux fondateurs de l’accélérateur technologique AI Grant, ont également rejoint l’équipe d’Induced AI. Les deux sont bien connus dans le monde de la technologie, Nat étant le PDG de Github et Cue, la société de moteurs de recherche fondée par Daniel, étant acquise par Apple.
Qu’est-ce que cette équipe et ses produits ont de si spécial, et pourquoi peut-elle attirer les branches d’olivier de nombreux gros bonnets ?
01 RPA 3.0 : Ouvrez le navigateur et laissez l’IA faire tout le travail
Les deux fondateurs d’Induced AI – Aryan et Ayush – ont une riche expérience entrepreneuriale, malgré leur jeune âge. Les deux jeunes programmeurs ont des CV d’entrepreneurs dans les domaines de la santé, de la publicité, de l’éducation, de la blockchain, du web3 et d’autres domaines, et ont même lancé des communautés entrepreneuriales et des organisations de type incubateur.
L’IA induite est une « RPA 3.0 » qui libère la productivité des employés de l’entreprise. Les utilisateurs peuvent simplement taper des flux de travail et des enregistrements d’écran dans un anglais simple, et l’IA induite peut les convertir en pseudo-code en temps réel, et appeler une variété d’outils connexes pour effectuer un grand nombre de tâches répétitives.
Les deux fondateurs|Source : Linkedln
La RPA (Robotic Process Automation) n’est pas un concept nouveau, et on peut la voir partout dans la vie quotidienne des gens ordinaires, comme la « macro » dans Excel, ou le gadget « key wizard » utilisé par de nombreuses personnes pour récupérer des billets de concert, qui peut être considéré comme le prédécesseur de la RPA. Dans la définition traditionnelle de la RPA, les logiciels enregistrent les opérations humaines, telles que les clics de souris, les saisies au clavier, l’ouverture de dossiers, l’envoi d’e-mails, etc., et corrigent ces opérations pour former des règles et des routines, qui sont automatiquement exécutées par lots, ce qui permet aux gens de gagner du temps et d’améliorer l’efficacité du travail. Avec les progrès de la technologie de l’IA, la capacité des machines à reconnaître des images, à comprendre le langage et à penser logiquement a été continuellement améliorée, et ces technologies ont également été combinées à la RPA pour libérer plus d’énergie.
Tels que définis par le concept de RPA, les outils RPA sur le marché nécessitent jusqu’à présent l’élaboration manuelle de règles claires, et les règles pour les tâches complexes peuvent nécessiter beaucoup de main-d’œuvre. L’IA induite utilise la puissance des grands modèles de langage pour donner aux outils la capacité de raisonner logiquement et de porter des jugements. L’utilisateur n’a qu’à dire ce dont il a besoin, comme « créez-moi un ticket pour Jira », ou « aidez-moi à passer au crible une vague de CV et à envoyer des invitations à des entretiens aux candidats », et l’IA induite peut porter des jugements en temps réel et démanteler ce qu’il faut faire, et appeler automatiquement les outils pertinents pour terminer l’ensemble du processus.
Si l’on prend l’exemple de la sélection des CV, le processus d’opération manuel normal comprend : la connexion à votre compte LinkedIn, la recherche de CV, l’évaluation des CV, le téléchargement de CV, l’envoi d’invitations, etc. Si LinkedIn ne fournit pas d’API officielle, la RPA dans le passé est susceptible d’être bloquée dans l’étape de connexion et peut même être jugée comme un bot malveillant. L’IA induite construit un environnement de navigateur au-dessus de Chromium qui dispose de sa propre mémoire, de son propre système de fichiers et de ses propres informations d’authentification (e-mail, numéro de téléphone) pour effectuer des processus complexes, afin qu’il puisse automatiser des actions telles que les connexions, le remplissage de captchas, les téléchargements de fichiers, le stockage et la réutilisation des données, et les logiciels sans API ouvertes ne peuvent pas arrêter l’IA induite.
02 Une vague d’agents IA arrive
Laisser les outils, en particulier les outils intelligents, travailler pour les êtres humains est un rêve qui a germé depuis nos ancêtres. De Wooden Ox à Siri, les gens ont toujours eu l’impression que ces « assistants » manquaient encore un peu. Jusqu’à la sortie de ChatGPT et d’AutoGPT, il semblait que les agents d’IA étaient sur le point de devenir possibles.
Lilian Weng, chercheuse chez OpenAI, a écrit un article définissant un agent d’IA basé sur un grand modèle de langage : un grand modèle de langage, la mémoire, la planification des tâches et l’utilisation d’outils, qui sont tous indispensables. Bien que l’équipe d’Induced AI se positionne comme « RPA 3.0 », en termes de fonctionnalités de produit, elle ressemble davantage à un agent d’IA, c’est pourquoi les gros bonnets de l’IA tels que Sam Altman sont unanimement optimistes quant à cette jeune équipe.
Dans le contexte actuel de boom de l’IA, l’IA induite n’est pas la première, ni en aucun cas la dernière, équipe d’agents d’IA.
Sans parler de ces petits et beaux agents qui commandent des billets et des plats à emporter, ou des projets presque bien connus tels qu’AutoGPT et HuggingGPT, il existe de nombreuses équipes qui ont la même ambition de construire des employés IA qu’Induced AI.
Par exemple, Adept, qui a complété un tour de financement de série B de 350 millions de dollars en mars de cette année, a entraîné un modèle ACT-1 conçu pour répondre et effectuer des actions sur un ordinateur. Il peut utiliser tous les outils logiciels, API et sites Web existants. ACT-1 fonctionne également sur la base d’un navigateur, ce qui permet aux utilisateurs d’entrer leurs propres commandes dans la boîte de discussion avec l’IA, telles que la création d’un prospect dans Salesforce ou le calcul de certaines données dans GoogleSheet.
ACT-1 de l’adepte |
Par coïncidence, Rabbit, une entreprise technologique, a également développé son propre grand modèle LAM (Large Action Model) et a lancé un ensemble complet de solutions de « système d’exploitation personnel Rabbit OS » basées sur celui-ci. LAM est capable d’observer l’interface de l’interaction homme-machine et de former un « plan conceptuel » pour comprendre et mettre en œuvre l’intention humaine sous-jacente lorsque les instructions en langage naturel de l’utilisateur sont moins claires. Sur la base du LAM, Rabbit a également spécialement conçu un ensemble de plateformes logicielles pour permettre à ses agents d’effectuer des tâches de manière plus conviviale. En octobre de cette année, Rabbit a reçu un financement de 20 millions de dollars dirigé par Khosla Ventures et suivi par les actionnaires existants.
**03 Le futur est-il déjà là ? **
Bien sûr, en plus des équipes entrepreneuriales, les entreprises traditionnelles de RPA, de low-code, de no-code et d’autres adoptent presque toutes de grands modèles de langage et des agents d’IA.
Depuis le début de l’année, plusieurs applications populaires d’AI Agent et plusieurs fois hors du cercle ont poussé l’appel à l’intelligence artificielle à un point culminant encore et encore. Mais nous devons encore nous demander si l’avenir est déjà là. L’excitation devant vous est-elle un changement ou une bulle ?
Si nous prenons la conduite autonome par analogie, des produits comme Copilot et Midjourney, que nous connaissons mieux, sont similaires à la conduite autonome L3, c’est-à-dire que la machine est « l’assistant » et le « copilote » des humains, tandis que l’agent correspond au niveau L4 de la conduite autonome, les humains n’ont qu’à fixer des objectifs, superviser les résultats, et les machines prennent elles-mêmes les décisions et l’exécution. Aujourd’hui, le copilote d’IA de niveau L3 n’en est encore qu’à ses débuts, et il y a encore beaucoup de questions qui méritent d’être explorées en termes de capacités techniques et de valeur commerciale, qui n’ont pas été pleinement promues.
De ce point de vue, l’application à grande échelle des agents d’IA L4 est peut-être encore plus lointaine. Alors, l’engouement actuel pour l’IA est-il une autre vague de battage médiatique pour la coupe du poireau ? S’agira-t-il d’un feu de paille comme la blockchain, la réalité virtuelle et le métavers il y a quelques années ?
Certes, la popularité de l’IA générative et des concepts connexes s’estompe. **
L’attention médiatique et la réaction du marché l’ont implicitement confirmé. Sur la courbe de maturité technologique publiée par Gartner cette année, l’IA générative et l’ingénierie logicielle améliorée par l’IA sont toutes deux dans une période de gonflement, ce qui signifie que les deux technologies sont sur le point de connaître une période de désillusion au cours des 2 à 5 prochaines années, tout comme la conduite autonome et les concepts technologiques susmentionnés dans le passé. Cependant, c’est précisément pendant la période de désillusion, lorsque la chaleur diminue et que le bruit se tait, que des expériences et des connaissances plus significatives sont précipitées et jettent les bases de la période d’illumination suivante.
Dans l’évolution de la technologie transformatrice, chaque pic et chaque creux comptent.
Des machines de Turing au supercalculateur Deep Blue d’IBM, de l’apprentissage automatique aux réseaux neuronaux, d’AlphaGo à ChatGPT, chaque étape est pleine de déception, de doute et d’hivers froids, s’étendant à l’horizon, et l’humanité a parcouru un long chemin pour arriver là où elle est aujourd’hui. Avec ou sans bulle, l’avenir est toujours créé par les optimistes et les faiseurs.
Ressources:
Sam Altman soutient la start-up d’IA pour adolescents qui automatise les flux de travail natifs du navigateur (TechCrunch)
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
Sam Altman est intervenu et a investi dans deux petits entrepreneurs de moins de 20 ans
Source originale : Silicon Rabbit Race
Sam Altman frappe à nouveau. Cette fois-ci, il a investi dans une équipe de RPA en phase de démarrage de seulement 5 personnes, Induced AI, avec deux cofondateurs, Aryan Sharma et Ayush Pathak, l’un âgé de 18 ans et l’autre de 19 ans.
Non seulement Sam Altman, mais aussi SignalFire, Peak XV, SV Angel et d’autres ont participé au tour de financement d’amorçage de 2,3 millions de dollars d’Induced AI. Nat Friedman et Daniel Gross, les deux fondateurs de l’accélérateur technologique AI Grant, ont également rejoint l’équipe d’Induced AI. Les deux sont bien connus dans le monde de la technologie, Nat étant le PDG de Github et Cue, la société de moteurs de recherche fondée par Daniel, étant acquise par Apple.
Qu’est-ce que cette équipe et ses produits ont de si spécial, et pourquoi peut-elle attirer les branches d’olivier de nombreux gros bonnets ?
01 RPA 3.0 : Ouvrez le navigateur et laissez l’IA faire tout le travail
Les deux fondateurs d’Induced AI – Aryan et Ayush – ont une riche expérience entrepreneuriale, malgré leur jeune âge. Les deux jeunes programmeurs ont des CV d’entrepreneurs dans les domaines de la santé, de la publicité, de l’éducation, de la blockchain, du web3 et d’autres domaines, et ont même lancé des communautés entrepreneuriales et des organisations de type incubateur.
L’IA induite est une « RPA 3.0 » qui libère la productivité des employés de l’entreprise. Les utilisateurs peuvent simplement taper des flux de travail et des enregistrements d’écran dans un anglais simple, et l’IA induite peut les convertir en pseudo-code en temps réel, et appeler une variété d’outils connexes pour effectuer un grand nombre de tâches répétitives.
La RPA (Robotic Process Automation) n’est pas un concept nouveau, et on peut la voir partout dans la vie quotidienne des gens ordinaires, comme la « macro » dans Excel, ou le gadget « key wizard » utilisé par de nombreuses personnes pour récupérer des billets de concert, qui peut être considéré comme le prédécesseur de la RPA. Dans la définition traditionnelle de la RPA, les logiciels enregistrent les opérations humaines, telles que les clics de souris, les saisies au clavier, l’ouverture de dossiers, l’envoi d’e-mails, etc., et corrigent ces opérations pour former des règles et des routines, qui sont automatiquement exécutées par lots, ce qui permet aux gens de gagner du temps et d’améliorer l’efficacité du travail. Avec les progrès de la technologie de l’IA, la capacité des machines à reconnaître des images, à comprendre le langage et à penser logiquement a été continuellement améliorée, et ces technologies ont également été combinées à la RPA pour libérer plus d’énergie.
Tels que définis par le concept de RPA, les outils RPA sur le marché nécessitent jusqu’à présent l’élaboration manuelle de règles claires, et les règles pour les tâches complexes peuvent nécessiter beaucoup de main-d’œuvre. L’IA induite utilise la puissance des grands modèles de langage pour donner aux outils la capacité de raisonner logiquement et de porter des jugements. L’utilisateur n’a qu’à dire ce dont il a besoin, comme « créez-moi un ticket pour Jira », ou « aidez-moi à passer au crible une vague de CV et à envoyer des invitations à des entretiens aux candidats », et l’IA induite peut porter des jugements en temps réel et démanteler ce qu’il faut faire, et appeler automatiquement les outils pertinents pour terminer l’ensemble du processus.
Si l’on prend l’exemple de la sélection des CV, le processus d’opération manuel normal comprend : la connexion à votre compte LinkedIn, la recherche de CV, l’évaluation des CV, le téléchargement de CV, l’envoi d’invitations, etc. Si LinkedIn ne fournit pas d’API officielle, la RPA dans le passé est susceptible d’être bloquée dans l’étape de connexion et peut même être jugée comme un bot malveillant. L’IA induite construit un environnement de navigateur au-dessus de Chromium qui dispose de sa propre mémoire, de son propre système de fichiers et de ses propres informations d’authentification (e-mail, numéro de téléphone) pour effectuer des processus complexes, afin qu’il puisse automatiser des actions telles que les connexions, le remplissage de captchas, les téléchargements de fichiers, le stockage et la réutilisation des données, et les logiciels sans API ouvertes ne peuvent pas arrêter l’IA induite.
02 Une vague d’agents IA arrive
Laisser les outils, en particulier les outils intelligents, travailler pour les êtres humains est un rêve qui a germé depuis nos ancêtres. De Wooden Ox à Siri, les gens ont toujours eu l’impression que ces « assistants » manquaient encore un peu. Jusqu’à la sortie de ChatGPT et d’AutoGPT, il semblait que les agents d’IA étaient sur le point de devenir possibles.
Lilian Weng, chercheuse chez OpenAI, a écrit un article définissant un agent d’IA basé sur un grand modèle de langage : un grand modèle de langage, la mémoire, la planification des tâches et l’utilisation d’outils, qui sont tous indispensables. Bien que l’équipe d’Induced AI se positionne comme « RPA 3.0 », en termes de fonctionnalités de produit, elle ressemble davantage à un agent d’IA, c’est pourquoi les gros bonnets de l’IA tels que Sam Altman sont unanimement optimistes quant à cette jeune équipe.
Dans le contexte actuel de boom de l’IA, l’IA induite n’est pas la première, ni en aucun cas la dernière, équipe d’agents d’IA.
Sans parler de ces petits et beaux agents qui commandent des billets et des plats à emporter, ou des projets presque bien connus tels qu’AutoGPT et HuggingGPT, il existe de nombreuses équipes qui ont la même ambition de construire des employés IA qu’Induced AI.
Par exemple, Adept, qui a complété un tour de financement de série B de 350 millions de dollars en mars de cette année, a entraîné un modèle ACT-1 conçu pour répondre et effectuer des actions sur un ordinateur. Il peut utiliser tous les outils logiciels, API et sites Web existants. ACT-1 fonctionne également sur la base d’un navigateur, ce qui permet aux utilisateurs d’entrer leurs propres commandes dans la boîte de discussion avec l’IA, telles que la création d’un prospect dans Salesforce ou le calcul de certaines données dans GoogleSheet.
Par coïncidence, Rabbit, une entreprise technologique, a également développé son propre grand modèle LAM (Large Action Model) et a lancé un ensemble complet de solutions de « système d’exploitation personnel Rabbit OS » basées sur celui-ci. LAM est capable d’observer l’interface de l’interaction homme-machine et de former un « plan conceptuel » pour comprendre et mettre en œuvre l’intention humaine sous-jacente lorsque les instructions en langage naturel de l’utilisateur sont moins claires. Sur la base du LAM, Rabbit a également spécialement conçu un ensemble de plateformes logicielles pour permettre à ses agents d’effectuer des tâches de manière plus conviviale. En octobre de cette année, Rabbit a reçu un financement de 20 millions de dollars dirigé par Khosla Ventures et suivi par les actionnaires existants.
**03 Le futur est-il déjà là ? **
Bien sûr, en plus des équipes entrepreneuriales, les entreprises traditionnelles de RPA, de low-code, de no-code et d’autres adoptent presque toutes de grands modèles de langage et des agents d’IA.
Depuis le début de l’année, plusieurs applications populaires d’AI Agent et plusieurs fois hors du cercle ont poussé l’appel à l’intelligence artificielle à un point culminant encore et encore. Mais nous devons encore nous demander si l’avenir est déjà là. L’excitation devant vous est-elle un changement ou une bulle ?
Si nous prenons la conduite autonome par analogie, des produits comme Copilot et Midjourney, que nous connaissons mieux, sont similaires à la conduite autonome L3, c’est-à-dire que la machine est « l’assistant » et le « copilote » des humains, tandis que l’agent correspond au niveau L4 de la conduite autonome, les humains n’ont qu’à fixer des objectifs, superviser les résultats, et les machines prennent elles-mêmes les décisions et l’exécution. Aujourd’hui, le copilote d’IA de niveau L3 n’en est encore qu’à ses débuts, et il y a encore beaucoup de questions qui méritent d’être explorées en termes de capacités techniques et de valeur commerciale, qui n’ont pas été pleinement promues.
De ce point de vue, l’application à grande échelle des agents d’IA L4 est peut-être encore plus lointaine. Alors, l’engouement actuel pour l’IA est-il une autre vague de battage médiatique pour la coupe du poireau ? S’agira-t-il d’un feu de paille comme la blockchain, la réalité virtuelle et le métavers il y a quelques années ?
Certes, la popularité de l’IA générative et des concepts connexes s’estompe. **
L’attention médiatique et la réaction du marché l’ont implicitement confirmé. Sur la courbe de maturité technologique publiée par Gartner cette année, l’IA générative et l’ingénierie logicielle améliorée par l’IA sont toutes deux dans une période de gonflement, ce qui signifie que les deux technologies sont sur le point de connaître une période de désillusion au cours des 2 à 5 prochaines années, tout comme la conduite autonome et les concepts technologiques susmentionnés dans le passé. Cependant, c’est précisément pendant la période de désillusion, lorsque la chaleur diminue et que le bruit se tait, que des expériences et des connaissances plus significatives sont précipitées et jettent les bases de la période d’illumination suivante.
Dans l’évolution de la technologie transformatrice, chaque pic et chaque creux comptent.
Des machines de Turing au supercalculateur Deep Blue d’IBM, de l’apprentissage automatique aux réseaux neuronaux, d’AlphaGo à ChatGPT, chaque étape est pleine de déception, de doute et d’hivers froids, s’étendant à l’horizon, et l’humanité a parcouru un long chemin pour arriver là où elle est aujourd’hui. Avec ou sans bulle, l’avenir est toujours créé par les optimistes et les faiseurs.
Ressources: