谷歌學(xué)術(shù)被引數(shù)超 127000 的大神宣布創(chuàng)業(yè)，獲 OpenAI 等機構(gòu)在內(nèi)投資 7000 萬美元！
他就是來自 UC 伯克利的副教授 Sergey Levine，創(chuàng)業(yè)前任職于電氣工程與計算機科學(xué)系，是深度強化學(xué)習(xí)領(lǐng)域超受歡迎的網(wǎng)紅老師。
他在推特上興奮地表示，此番創(chuàng)業(yè)，他將擔(dān)任聯(lián)合創(chuàng)始人，“與一群令人難以置信的朋友和長期合作者開啟新的冒險?！?/p>
目標：為機器人構(gòu)建大腦；
挑戰(zhàn)：大規(guī)模機器人學(xué)習(xí)；
行動代號（公司名稱）：Pi（讀 π），即 Physical Intelligence。
目標是構(gòu)建通用機器人模型
Pi 成立于今年，背后是一支機器人和 AI 專家團隊，在機器人、工程和許多其他領(lǐng)域擁有深厚經(jīng)驗。
他們的計劃是“創(chuàng)建可以為各種機器人和機器增添高級智能的軟件”，最終目標是創(chuàng)建一種作為通用機器人系統(tǒng)的 AI。
這家公司的聯(lián)合創(chuàng)始人兼 CEO 在公開場合解釋：
我們的目標是通過一個通用模型將 AI 帶入物理世界，這個模型可以為任何機器人或任何物理設(shè)備提供動力，基本上適用于任何應(yīng)用。
Sergey Levine 本人在推特上舉例說明，創(chuàng)業(yè)要做的事用于機器人控制，其重要程度就像 NLP 之于大模型。
而且需要注意的是，這件事并不簡單。
要達到這個目標，不僅需要海量數(shù)據(jù)集，同時需要優(yōu)化基礎(chǔ)模型以及算法，此外，還需要設(shè)計出機器人控制、大規(guī)模多模態(tài)大模型訓(xùn)練問題的創(chuàng)造性解決方案。
而之所以要組隊做這個頗具挑戰(zhàn)性的事情，是因為在過去，這群人已經(jīng)看到“大規(guī)模的機器學(xué)習(xí)問題”和“小數(shù)據(jù)集培養(yǎng)皿里的機器學(xué)習(xí)問題”完全不同。
“我們相信，這將為基礎(chǔ)研究突破打開大門?！?/p>
Pi 表示，創(chuàng)業(yè)后的第一步，是解決工程化、模型構(gòu)建、數(shù)據(jù)收集等問題，當然了，組裝機器人本體也刻不容緩。
據(jù)已曝光資料，Pi 已經(jīng)從 OpenAI、紅杉資本等方面獲得了 7000 萬美元融資。
創(chuàng)始團隊陣容豪華
除了聚焦的賽道非常引人矚目外，Pi 本身的創(chuàng)始團隊陣容也非常豪華。
首先介紹一下聯(lián)創(chuàng)之一，即我們開篇提到的 Sergey Levine。
他是 UC 伯克利電氣工程和計算機科學(xué)系的副教授，專注于能夠使 Autonomous Agents 通過學(xué)習(xí)獲得復(fù)雜行為的算法，特別是能夠使任何自主系統(tǒng)學(xué)習(xí)解決任何任務(wù)的通用方法。
Sergey Levine 因兩件事而聲名遠播。
一是他是領(lǐng)域內(nèi)的大神，不僅谷歌學(xué)術(shù)被引用量為超過 12.7 萬，還是不折不扣的頂會狂魔。
在此前的不完全統(tǒng)計中，Sergey Levine 2018 年在 ML 和 NLP 頂會上共發(fā)表 22 篇論文，與國內(nèi)的周明（現(xiàn)瀾舟科技創(chuàng)始人）、CMU 的 Graham Neubig 并列全球第一；ICML 2019，他參與論文數(shù)量排名第三；NeurIPS 2019、NeurIPS 2020，他均有 12 篇論文被接收……
其二，他屬于 UC 伯克利的網(wǎng)紅教授，此前推出的深度學(xué)習(xí)課程 Deep Reinforcement Learning（課程代號 CS 285）非常受歡迎。
Pi 的聯(lián)合創(chuàng)始人兼 CEO，Karol Hausman，此前是谷歌 DeepMind 的研究人員，同時是斯坦福大學(xué)的兼職教授。
Chelsea Finn，斯坦福計算機科學(xué)和電氣工程系助理教授，谷歌學(xué)術(shù)論文引用數(shù)超 4.7 萬。
她的研究主要面向機器人和其他智能體通過學(xué)習(xí)和交互發(fā)展廣泛的智能行為的能力。此前，她還在谷歌大腦工作過一段時間。
Brian Ichter，先后在谷歌大腦和谷歌 DeepMind 的機器人團隊任職。
他的研究興趣在于使移動機器人系統(tǒng)能夠通過 ML 和大規(guī)模模型，在現(xiàn)實環(huán)境中規(guī)劃和執(zhí)行長期任務(wù)。
Suraj Nair，豐田研究院 ML 研究團隊的研究科學(xué)家，從事 ML、機器人和 CV 交叉領(lǐng)域的工作。
在集齊一團隊的大牛之后，Pi 還表示，公司不會建造自己的硬件。
他們要做的，是購買各種不同的機器人，并在各式各樣的機器人硬件上訓(xùn)練自己的 AI 模型。
本文來自微信公眾號：量子位 （ID：QbitAI），作者：衡宇
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。