Kamp AI: Augment

Betaworks sedang mencari perusahaan generasi berikutnya yang membangun ruang AI untuk perkemahan kami yang akan datang. AI Camp: Augment berinvestasi di perusahaan yang menggunakan pembelajaran mesin terapan dan AI generatif untuk membuat alat yang meningkatkan aktivitas kognitif, kreatif, dan kolaboratif manusia . Jika Anda sedang membangun perusahaan dan beresonansi dengan hal-hal di bawah ini, AI Camp: Augment cocok untuk Anda.

AI Camp: Augment akan menjadi program tiga bulan di sini di Betaworks di NYC, di mana kami akan menginvestasikan $500.000 dan bekerja sama dengan 8–10 perusahaan prabenih/benih untuk menyediakan waktu bimbingan 1 lawan 1; pemrograman, acara, dan aktivitas yang disesuaikan; peluang kolaboratif dengan perusahaan kohort dan pembangun lain di jaringan kami, dan total investasi sebesar $500rb dari Betaworks dan teman kami di Greycroft , Differential VC , dan Mozilla Ventures . Perusahaan portofolio Betaworks Hugging Face juga akan menyediakan fitur awal dan akses komputasi yang dipercepat kepada perusahaan kelompok. AI Camp: Augment akan berlangsung dari 6/19/23–9/15/23dan diakhiri dengan Hari Demo, di mana perusahaan dapat memamerkan karya mereka kepada calon pelanggan, investor, dan mitra. Anda dapat melamar di sini .

Kamp ML/AI ketujuh kita, Mari kita mulai dari awal…

Betaworks telah menjadi bagian dasar dari ekosistem teknologi NYC selama 15 tahun terakhir — pertama, sebagai inkubator merek yang Anda kenal dan sukai seperti Giphy, Tweetdeck, Bit.ly, dan Dots, dan baru-baru ini sebagai benih awal dan benih tahap investor di perusahaan seperti HuggingFace dan Stability AI, di antara banyak lainnya.

Kami percaya pada investasi berbasis tesis, dan telah menghabiskan tujuh tahun terakhir mengasah dan mengulangi tesis kami seputar kecerdasan buatan. Sejumlah besar pembelajaran di ruang itu berasal dari Camp. Kami mulai dengan BotCamp (HuggingFace) pada tahun 2016 dan telah melakukan tujuh kamp lainnya sejak itu (termasuk VoiceCamp, VisionCamp, AudioCamp, SynthCamp, dan lainnya), yang sebagian besar berfokus pada satu mode pembelajaran mesin terapan. Dan belajar, kami melakukannya!

Kamp?

Camp seperti akselerator, tapi tidak. Daripada menulis cek kecil ke lusinan, dan terkadang ratusan, perusahaan di berbagai kategori, kami melihat evolusi teknologi dan bertaruh pada kelompok perusahaan yang membuat dan/atau mendefinisikan kategori baru. Kami menyatukan para pendiri ini untuk belajar dari satu sama lain saat mereka memasuki wilayah yang belum dipetakan, dan memasukkan mereka ke dalam jaringan pendiri portofolio kami, otak besar teknologi dan, tentu saja, investor.

Dalam kasus AI Camp: Augment, kami (bersama dengan banyak lainnya) melihat peningkatan model dasar, dan peluang yang mereka berikan untuk memberi kami alat baru yang dapat digunakan untuk membuat produk yang memenuhi kebutuhan abadi dan universal — kebutuhan untuk berpikir, kebutuhan untuk berkreasi, kebutuhan untuk berbagi dan berkomunikasi. AI generatif berdiri untuk memperbanyak lebih banyak konten — teks, citra, video, game, musik, dan media yang bahkan belum pernah kita bayangkan — daripada sebelumnya.

Pengusaha memiliki kesempatan untuk memanfaatkan teknologi ini, di saat gangguan khusus ini, untuk mendemokratisasi kreasi, kolaborasi, dan kognisi dengan cara yang unik, dan memberikan kekuatan super pada aktivitas yang ada dan yang muncul yang meningkatkan kemampuan orang untuk bekerja, bermain, dan berinteraksi satu sama lain. Membuka kunci itu juga akan membutuhkan pemikiran segar seputar model atribusi, penemuan, dan pendapatan.

Kami telah belajar banyak dari investasi kami dalam model dasar seperti Stabilitas , infrastruktur seperti Hugging Face (BotCamp '16), dan produk lapisan aplikasi yang tak terhitung jumlahnya seperti Maestro (THINKCamp '22), Resemble (AudioCamp '19), Hidden Door , dan banyak lagi .

Jadi mengapa menyebutnya AI Camp: Augment?

Lompatan dalam teknologi AI telah mendorong kita melampaui input dan output mode tunggal menuju sesuatu yang lebih luas, yang lebih selaras dengan kognisi manusia. Jadi, sementara Kamp pertama dari betawork difokuskan pada satu mode pembelajaran mesin, seperti Obrolan, Suara, dan Visi, generasi Kamp berikutnya kemungkinan besar akan multimodal. Jadi, Kamp AI.

Tapi apa yang Anda maksud dengan Augment?

Kami tertarik pada semua aspek AI, tetapi untuk Kamp ini, kami secara khusus tertarik pada produk yang meningkatkan cara manusia berperilaku, berkreasi, bermain, bekerja, dan berpikir. Produk yang mengungguli manusia, bukan menggantikannya. Itulah tesis inti dari Perkemahan ini.

Jadi atribut apa yang Anda cari di AI Camp: Augment?

Teknologi ini dan alat yang menggunakannya akan memengaruhi setiap modalitas konsumsi manusia (gambar, teks, audio, video, dll.) dan setiap bentuk produksi manusia (kerja kognitif, permainan kreatif, aktivitas kolaboratif dan sosial). Selain itu, teknologi ini tidak hanya akan membantu kita mengganti perilaku tertentu, tetapi yang lebih penting memungkinkan kita untuk meningkatkan perilaku yang ada, dan bahkan mungkin menciptakan perilaku baru sekaligus. Secara khusus, kami yakin perangkat lunak paling berharga di era AI akan memiliki setidaknya beberapa atribut berikut:

• Jumlah Pertama & Positif Manusia : Mencoba meniru tindakan dan kognisi manusia adalah peluang besar tetapi terbatas; mencoba untuk melengkapi perilaku manusia (atau membuat yang sama sekali baru) adalah kesempatan yang tak terbatas dan tidak dibatasi. Kami lebih tertarik pada aplikasi yang memberi pengguna kekuatan super atas hal-hal yang secara inheren ingin mereka lakukan dan memanfaatkan kemampuan khas model yayasan untuk meningkatkan kapasitas manusia secara intens dalam domain yang sempit, atau untuk penambahan yang mengejutkan, tidak biasa, tidak kentara. Contoh yang bagus adalah Re:Collect , yang memungkinkan pengguna terhubung dengan mudah dan mengambil informasi relevan yang telah mereka lihat dari seluruh web untuk ide kreatif mereka sendiri.
• Penalaran Semantik : Pembukaan sebenarnya dengan LLM adalah bahwa mereka cukup besar untuk dapat mempelajari struktur semantik. Dengan demikian, produk yang sengaja menggunakan penalaran semantik (peringkasan, sintesis, argumentasi, intonasi, dll.) Jauh lebih menarik bagi kita daripada yang murni mensimulasikan pemahaman sintaksis. Misalnya, Maestro membantu tim mensintesa apa tujuan individu dan kolektif tim dan meminimalkan kesalahan miskomunikasi.
• Interaktivitas : Kreativitas bukan hanya tentang penyusunan. Ini sedang mengedit. UI percakapan dan interaktif yang mendukung model ini memiliki jalan panjang dalam hal penggunaan pemahaman semantik untuk mempertahankan konteks, mempersonalisasi, dan menjadi lebih baik dalam tugas tertentu. Kami tertarik pada perusahaan yang memikirkan UI yang berfokus pada konteks interaksi dari waktu ke waktu, seperti Second Voice , representasi berbasis LLM dari suara hati Anda sendiri, dibuat untuk membantu Anda memproses emosi dan perasaan melalui dialog.
• Probabilistic (No One Right Answer) : Pada intinya, model-model ini bersifat probabilistik — mereka tidak dapat menciptakan output dengan pasti. Dengan demikian, mereka cocok untuk penggunaan di mana belum tentu ada jawaban yang benar. Misalnya, dengan sebagian besar kueri penelusuran, orang mencari jawaban deterministik. Terlepas dari tingkat kesetiaan keseluruhan model/produk, akan selalu ada kesalahan (positif dan negatif palsu), dan biaya kesalahan tersebut dapat menjadi bencana besar bagi pengguna (bayangkan mobil yang salah belok atau chatbot medis yang memberikan kesalahan -diagnosa). Kami tertarik dengan produk dan aktivitas yang menyadari kesetiaan apa yang perlu disediakan oleh alat mereka dan bagaimana cara mencapainya. Contoh yang bagus di sini adalah Wand, yang memungkinkan seniman untuk membuat versi probabilistik dari beberapa materi orisinal — bayangkan seorang desainer game yang dapat membuat desain NPC sedetail Karakter Utama.
• Multimodalitas : Ada banyak produk yang menyempurnakan kreasi unimodal (teks, gambar, audio, video, dll), tetapi sintesis manusia selalu multimodal. Aplikasi yang berharga akan memungkinkan kita untuk bekerja dengan keluaran multimodal dengan menggabungkan model yang berbeda, atau bahkan menggunakan model yang dilatih di seluruh modalitas dan jenis konten. Selain itu, menurut kami model baru akan menggunakan struktur data atom baru, grafik, dan lainnya. Dengan lebih dari satu modalitas, Anda meningkatkan luas permukaan kasus penggunaan yang mungkin, seperti Fermat , yang memberikan perangkat generatif untuk bertukar pikiran bagi tim kreatif yang bekerja di berbagai modalitas, seperti desainer produk, seniman papan cerita, dan pemasar.
• Atribusi: Kreativitas adalah kolaboratif. Perusahaan rintisan yang berfokus pada infrastruktur yang diperlukan untuk memungkinkan kolaborasi, bersama alat superpower ini, akan disiapkan untuk masa depan dalam skala besar, di mana pembuat konten benar-benar dapat mencari nafkah dari platform ini. Contoh yang bagus adalah Never Before Heard Sounds , workstation audio berbasis cloud baru yang memungkinkan siapa saja membuat musik berkualitas tinggi tanpa pengalaman sebelumnya, sambil juga menghubungkan artis asli yang menginspirasi dari karya apa pun.
• Kedekatan dengan Data: Informasi bernilai tinggi adalah pengganda kekuatan terhadap kemampuan model pondasi. Dalam keadaan mereka saat ini, banyak masalah, pola desain, dan praktik terbaik yang terkait dengan mengarahkan keluaran model untuk didasarkan pada data spesifik domain tetap belum terselesaikan. Aplikasi data sentris dan sadar data dari augmentatif AI menjembatani pengetahuan ke utilitas pengguna akhir. Kami ingin bekerja sama dengan perusahaan yang berinovasi dalam pencarian dan penelusuran informasi, terutama jika Anda memiliki rencana untuk mengaktifkan kumpulan pengetahuan yang ada dan tidak aktif.
• Pertahanan Teknis di Seluruh Tumpukan: Kami pikir nilai akan ada di seluruh aplikasi, middleware, dan model dasar sumber terbuka & tertutup. Setiap pengembang telah menerima akses ke model transformatif ini, termasuk pesaing Anda. Kami sedang mencari perusahaan yang telah memikirkan secara mendalam tidak hanya apa yang memungkinkan produk mereka untuk mengungguli pemain lama, tetapi juga mempertahankan keunggulan atas produk masa depan. Dalam konteks ini, itu bisa berarti menjalankan/melatih model dasar Anda sendiri, menyempurnakan model yang ada berdasarkan input kontekstual, atau menggunakan metode RLHF untuk menyempurnakan produk Anda. Kami agnostik terhadap arsitektur produk Anda tetapi memiliki preferensi untuk kedalaman teknis.

Jika ini berbicara kepada Anda melamar di sini .