Mirendil, een AI-lab opgericht door voormalige medewerkers van Anthropic, heeft een meerjarig partnerschap gesloten met Google Cloud om rekenkracht te leveren voor onderzoek naar zelfverbeterende AI. Het contract is naar verluidt meer dan $100 miljoen waard en geeft Mirendil toegang tot verschillende soorten processors en beheerde trainingsclusters.

Wat betekent de deal?

De overeenkomst zorgt ervoor dat Mirendil op grote schaal computerkracht kan inkopen terwijl het groeit. Dat is belangrijk omdat trainingen van geavanceerde AI-modellen heel veel rekenkracht vragen. Volgens de oprichter en CEO Benham Neyshabur is het bedrag meer dan $100 miljoen — ongeveer de helft van wat Mirendil in een eerdere seedronde ophaalde.

De samenwerking geeft Mirendil onder andere toegang tot Google’s TPUs en Nvidia’s GPUs, plus managed training-clusters. Daarmee kan het bedrijf verschillende soorten hardware combineren voor zijn onderzoek en experimenten.

Wat is zelfverbeterende AI?

Zelfverbeterende AI (ook wel recursive self-improvement genoemd) zijn systemen die zichzelf in stappen verbeteren. In plaats van éénmalig worden ze ontworpen om te leren van eerdere resultaten en zo hun eigen prestaties te verbeteren. Volgens Mirendil kan zo’n systeem steeds zelfstandiger onderzoek doen en beter worden in wetenschappelijke taken.

Het idee is dat een zelfverbeterende AI onderzoekers kan helpen sneller vooruitgang te boeken in ingewikkelde vakgebieden, zoals geneeskunde, biologie en materiaalkunde. Neyshabur vergelijkt het met hoe menselijke wetenschappers expertise opbouwen: het systeem leert over een nieuw onderwerp en wordt steeds beter in het oplossen van problemen.

Techniek: waarom veel en verschillende rekenmiddelen nodig zijn

Het trainen van dit soort AI kost enorme hoeveelheden rekenkracht. Harsh Mehta, medeoprichter van Mirendil, zegt dat het steeds meer gaat om de juiste taken op het juiste type hardware plaatsen.

Google biedt meerdere soorten chips en daarmee flexibiliteit om workloads te verdelen. Die combinatie helpt Mirendil om kosten te drukken en efficiënter te trainen. Volgens Mirendil’s team zorgt hun software- en systeemlaag ervoor dat klanten meer uit die hardware halen: Mirendil kan taken toewijzen aan de best passende versneller, wat zowel voor Mirendil als voor klanten voordelig is.

Amin Vahdat van Google benadrukt dat vooruitgang in AI niet langer alleen om de snelheid van losse chips draait, maar om het organiseren van hele systemen: het slim inzetten van verschillende onderdelen samen maakt opschalen mogelijk.

Mogelijke toepassingen en betekenis voor de praktijk

Mirendil verwacht dat zelfverbeterende AI veel van het werk in wetenschappelijk onderzoek kan automatiseren. Mogelijke toepassingen die in het artikel genoemd worden:

• Onderzoek naar ziektes zoals Alzheimer.

• Biologisch onderzoek en ontwikkeling van medicijnen.

• Ontwikkeling van nieuwe materialen.

Het idee is dat onderzoekers sneller hypotheses kunnen testen en dat AI onderdelen van onderzoek overneemt of versnelt, zodat mensen zich op de complexere vragen kunnen richten.

Conclusie

Met deze grote deal krijgt Mirendil toegang tot veel rekenkracht en verschillende soorten hardware. Dat is een voorwaarde om zelfverbeterende AI-systemen te ontwikkelen en op te schalen. Voor jou als buitenstaander betekent dit dat er stappen worden gezet naar AI die steeds zelfstandiger onderzoek kan doen — met mogelijke gevolgen voor medische en wetenschappelijke vooruitgang.