Media

Core Automation värvar toppforskare från Anthropic och Google DeepMind

Ny AI-aktör byggs snabbt genom att flytta talang i klump snarare än att uppfinna från grunden, konkurrensfördelen hamnar i beräkningskraft data och produktkanaler som inte går att stjäla med anställningskontrakt

Bilder

Top researchers from Anthropic and Google DeepMind have left for an AI startup called Core Automation.
                              
                                Illustration by Avishek Das/SOPA Images/LightRocket via Getty Images Top researchers from Anthropic and Google DeepMind have left for an AI startup called Core Automation. Illustration by Avishek Das/SOPA Images/LightRocket via Getty Images businessinsider.com

Core Automation har enligt Business Insider börjat rekrytera bort seniora forskare från Anthropic och Googles DeepMind. Draget visar hur snabbt dagens laboratorier för artificiell intelligens kan byggas: inte främst genom lång mödosam uppfinning, utan genom att samla ihop rätt personer. Företaget leds av en tidigare forskare vid OpenAI och marknadsför sig som ”världens mest automatiserade laboratorium för artificiell intelligens” – en slogan som är lika mycket ett löfte till investerare som en varningssignal till konkurrenter.

Den omedelbara berättelsen är välbekant i tekniksektorn: ett nytt laboratorium dyker upp med en lockande berättelse, en liten grundargrupp och en rad avhopp från mer kända rivaler. Men den intressantare frågan är vad talangflödet säger om var konkurrensfördelar faktiskt sitter. Om forskare kan förflytta sig i flock från ett ledande laboratorium till ett annat, blir skillnaden mindre den publicerade artikeln och mer maskineriet runt omkring: egna träningsdata, långsiktiga avtal om beräkningskapacitet och förmågan att leverera produkter som låser in kunder. Sådana tillgångar är svårare att ”stjäla” än människor.

Profileringen kring ”automatisering” fungerar också som en positionering i ekonomin kring artificiell intelligens. Laboratorier som automatiserar sina egna arbetsflöden – utvärdering, datakurering, framställning av syntetiska data, kodskrivning och styrning av experiment – kan rimligen genomföra fler omgångar per krona och per forskare. Det spelar roll i en sektor där begränsningen inte längre bara är idéer, utan kostnaden för att göra idéer till tränade system. Ett laboratorium som kan förkorta tiden från hypotes till modelluppdatering kan använda samma budget för beräkningskapacitet mer effektivt, även utan att nå de etablerades absoluta skala.

För de etablerade företagen är den här typen av avknoppning både en läcka och en försäkring. När nyckelpersoner lämnar tar de med sig tyst kunskap om interna verktyg, modellernas beteende och vad som misslyckades lika väl som vad som fungerade. Samtidigt gynnar ekosystemet de stora aktörerna: det pressar upp marknadspriset på kompetens inom artificiell intelligens och normaliserar ersättningspaket som bara de största balansräkningarna regelmässigt kan bära. Resultatet blir en marknad där ”konkurrens” ofta betyder att en liten krets specialister möbleras om, medan de kapitaltunga delarna – halvledare, el och distribution – koncentreras ytterligare.

Core Automations budskap antyder att bolaget vill tävla med arbetstakt snarare än rå storlek. Om det lyckas beror på vad företaget kan säkra som inte är flyttbart: tillgång till beräkningskapacitet, en försvarbar datastrategi och en produktarena där modellerna kan tjäna pengar innan nästa rekryteringsvåg ritar om kartan igen.

Just nu är den mest konkreta fakta också den enklaste: ett nytt laboratorium för artificiell intelligens har startat genom att ta människor från laboratorierna som redan dominerar området.