Elorian AI utvecklar AI-modeller som förstår bilder

Elorian AI, med huvudkontor i Palo Alto, utvecklar en ny generation av artificiell intelligens med fokus på att förstå och resonera kring bilder direkt. Grundaren Andrew Dai, en erfaren AI-forskare som tidigare arbetat på Google DeepMind, menar att visuell förståelse är grundläggande för att uppnå generell intelligens.

Till skillnad från konventionella stora språkmodeller (LLMs) som beskriver bilder med ord, skapar Elorians modeller en intern tredimensionell representation av visuell data. Denna metodisering möjliggör en djupare förståelse för fysiska principer, rumsliga relationer och mekaniska processer. Företaget syftar till att lösa komplexa ingenjörsproblem genom att simulera och analysera design på ett sätt som tidigare inte varit möjligt.

Dai lämnade Google då han ansåg att företagets resurser fokuserade för mycket på områden som kodgenerering och för lite på visuell resonemangsförmåga. Han hävdar att Elorians specialiserade modeller redan presterar bättre än Googles Gemini på vissa visuella resonemangstester.

Startupen har nyligen säkrat 55 miljoner dollar i såddfinansiering, till en värdering av 300 miljoner dollar. Bland investerarna finns Nvidia och Menlo Ventures. Elorian planerar att lansera ett generellt API senare i år, vilket kommer att tillåta utvecklare att bygga applikationer ovanpå deras visuella resonemangsmodeller.