Ricursive Intelligence 由两名前 Google 研究员创立，估值达 40 亿美元，是众多致力于实现人工智能创建自动化的尝试之一。
一家名为 Recursive（拼写带“e”）的新初创公司已经成立，而另一家则叫作 Ricursive（拼写带“i”）。它们都在尝试做同一件事：构建无需人类帮助即可自我改进的人工智能，这是硅谷技术专家数十年来梦寐以求的目标。
总部位于加利福尼亚州帕洛阿尔托的 Ricursive Intelligence 致力于研发为当今聊天机器人提供动力的专用电脑芯片 。Ricursive 由两位前 Google 研究员 Anna Goldie 和 Azalia Mirhoseini 创立，旨在构建能够改进这些极其复杂的芯片设计的人工智能系统。
她们认为，如果人工智能系统能生产出更好的芯片，那么这些芯片就能产出更好的人工智能系统。随着技术不断进步，这一过程将循环往复，永无止境。
“递归自我改进循环的想法正是我们的灵感来源，”Goldie 博士说道，她此前在 Google 曾与 Mirhoseini 博士共同从事过类似的研究工作。
Ricursive 已从红杉资本（Sequoia）、Radical Ventures、光速创投（Lightspeed）和 DST Global 等风险投资机构筹集了 3.35 亿美元。尽管该公司成立不到一年，员工人数不足 10 人，但其估值已达 40 亿美元。
尽管许多金融分析师和业内人士警告人工智能领域存在泡沫，大量资金仍在不断涌入。Ricursive就是受益者之一。
该公司是近几个月来筹集巨额资金的几家人工智能初创公司之一。就在上周，由 Anthropic 和埃隆·马斯克旗下的 xAI 等实验室的前研究人员在旧金山创立的 Humans& 筹集了 4.8 亿美元 。该公司成立仅三个月，估值已达 44.8 亿美元。
尽管许多财务分析师和行业内部人士警告人工智能泡沫的存在 ，但仍有巨额资金持续涌入该领域。部分原因是构建人工智能技术所需的原始算力极其昂贵。如果投资者想要押注一个新想法，进入人工智能博弈的起步门槛已日益增长至数亿美元。
递归是数学家和计算机程序员常用的术语。它指的是一种自我馈送的数学函数或程序。在一个程序生成某些信息后，它会利用这些信息来生成其他内容。这个过程可以无限循环下去。
这一数学理念几十年来一直激励着人工智能研究人员。他们的目标不仅仅是构建一个自我馈送的数学函数，而是要构建一个能够自我进化的系统。
2017 年，随着最新一波人工智能的发展初露锋芒，Google 构建了一项名为 AutoML 的技术 。ML 是“机器学习”的缩写，指的是通过分析数据来学习技能的计算机算法。通过 AutoML，Google 将这一理念更进一步：它构建了一种能够学习如何构建其他机器学习算法的机器学习算法。
在 ChatGPT 的开发商 OpenAI，研究人员正在构建他们所谓的“自动化人工智能研究员”。该公司首席执行官萨姆·奥尔特曼（Sam Altman）表示，他们希望在秋季前拥有一套能够胜任初级研究员工作的系统，并在此基础上稳步改进该技术。
这与另一家新初创公司 Recursive AI 的目标不谋而合。该公司由理查德·索赫尔（Richard Socher）创立，他曾负责云计算巨头 Salesforce 的人工智能研究。虽然他的初创公司尚未正式对外官宣，但其使命已成为硅谷紧密的人工智能研究圈内讨论的热点。据一位要求匿名的知情人士透露，在最新一轮融资中，Recursive AI 的估值已达 40 亿美元。该消息最早由 彭博社 报道。
递归人工智能（Recursive AI）创始人理查德·索赫尔(Richard Socher)，曾负责云计算巨头Salesforce的人工智能研究工作。图片来源：Piaras Ó Mídheach/Sportsfile for Collision，Getty Images提供
旧金山初创公司 AGI 的首席执行官 Div Garg 表示，尽管早在 Google 的 AutoML 等技术就已经证明人工智能可以帮助改进人工智能，但这些努力距离人类可以脱离该过程的未来仍有很长的路要走。该初创公司正致力于构建日益智能的电脑技术。
“它们在处理非常具体的任务时表现良好，”他说道。
在 Google，Goldie 博士和 Mirhoseini 博士构建了可以改进公司内部电脑芯片设计的人工智能技术。这种被称为张量处理单元（TPU）的芯片是专门为构建和运行人工智能技术而设计的。
现在，Ricursive 计划帮助其他公司以类似的方式磨练他们的芯片。随着时间的推移，其更大的目标是创建一个良性循环，让芯片和人工智能能够协同进化。
“公司的第一阶段只是加速芯片设计，”Goldie 博士说。“但如果我们有能力快速设计芯片，为什么不直接由我们自己来使用呢？为什么不构建我们自己的芯片？为什么不训练我们自己的模型？为什么不让它们共同进化呢？”