Elorian AI développe des modèles d'IA natifs pour les images

Elorian AI, une startup basée à Palo Alto et fondée par le chercheur expérimenté en IA Andrew Dai, développe des modèles d'intelligence artificielle qui traitent les images directement, plutôt que de s'appuyer sur des descriptions textuelles. Dai, qui a précédemment dirigé le travail sur les données de Gemini de Google et co-signé les travaux fondamentaux pour les modèles GPT chez Google DeepMind, estime qu'une compréhension fondamentale des données visuelles et physiques est essentielle pour atteindre une intelligence artificielle générale.

Les modèles de l'entreprise visent à créer des représentations internes tridimensionnelles des entrées visuelles, leur permettant de raisonner sur les relations spatiales, la physique et les processus mécaniques. Ceci contraste avec les modèles multimodaux actuels qui convertissent souvent les images en descriptions textuelles avant analyse. L'approche d'Elorian est conçue pour permettre des simulations et des résolutions de problèmes plus précises dans des domaines tels que l'ingénierie et la conception.

Dai a déclaré avoir quitté Google en partie parce que l'entreprise concentrait ses ressources de calcul sur des domaines tels que la génération de code, allouant moins à la recherche sur le raisonnement visuel. Il affirme que les modèles spécialisés d'Elorian surpassent déjà Gemini de Google sur certains critères d'évaluation du raisonnement visuel, bien qu'il ait refusé de les nommer.

Elorian AI a levé 55 millions de dollars en financement d'amorçage pour une valorisation de 300 millions de dollars. Parmi les investisseurs figurent Nvidia, Menlo Ventures et l'ancien collègue de Google de Dai, Jeff Dean. L'entreprise prévoit de lancer une interface de programmation d'application (API) générale d'ici la fin de l'année, permettant aux développeurs de créer des applications utilisant ses modèles de raisonnement visuel.