בלי מוצר או הכנסות: החברה של בכירה לשעבר ב-OpenAI צפויה לשבור שיא בגיוס כספים

סטארט-אפ חדש בתחום הבינה המלאכותית צפוי לשבור את כל השיאים בעולם ההון-סיכון: חברת Thinking Machines Lab, שהוקמה על-ידי מירה מוראטי, מנהלת הטכנולוגיות הראשית לשעבר של OpenAI, מנסה לגייס לא פחות מ-2 מיליארד דולר בסבב הגיוס הראשוני שלה, כך דווח אתמול ב"ביזנס אינסיידר".

על פי הדיווח, החברה הכפילה את יעד גיוס ההון המקורי שלה, וכעת מטרתה להשלים את אחד מסבבי הגיוס הראשוניים הגדולים בהיסטוריה. אם תצליח במשימה, תוערך החברה בשווי "של לפחות 10 מיליארד דולר" - סכום חסר תקדים לחברה שטרם השיקה מוצר כלשהו ושאין לה הכנסות.

מירה מוראטי, ילידת אלבניה בת 36, נחשבת לאחת המנהיגות הבולטות בתעשיית הבינה המלאכותית העולמית. היא עמדה בחזית הפיתוח של מודלים פורצי דרך כמו צ'אטGPT ו-DALL-E במהלך כהונתה ב-OpenAI, שאליה הצטרפה בשנת 2018.

מוראטי כיהנה כמנכ"לית זמנית של OpenAI בנובמבר 2023 בתקופת המשבר שבו פוטר ואחר כך הוחזר סם אלטמן לתפקידו. היא התפטרה מתפקידה ב-OpenAI במאי 2024, על רקע חילוקי דעות עם הנהלת החברה לגבי כיוון התפתחותה העתידי.

נתון מעניין במיוחד הוא שחברת Thinking Machines Lab יצאה רק לאחרונה ממצב של פעילות חשאית (stealth), והיא עדיין לא הציגה מוצר או טכנולוגיה ממשית. אז מה גורם למשקיעים לשקול השקעת סכומי עתק כאלה? התשובה טמונה בהון האנושי: החברה הצליחה לגייס עשרות חוקרי בינה מלאכותית מהשורה הראשונה.

בין האחרונים שהצטרפו לחברה כיועצים נמצאים בוב מקגרו, לשעבר מנהל המחקר הראשי ב-OpenAI, ואלק רדפורד, חוקר לשעבר ב-OpenAI, שעמד מאחורי חלק מהחידושים המשמעותיים ביותר של החברה בתחום הבינה המלאכותית.

שם החברה, Thinking Machines Lab, מרמז על חזונה של מוראטי ועל דרכה המקצועית. השם מהדהד את "Thinking Machines Corporation", חברת מחשוב מקבילי מהמאה ה-20, והוא משקף את האמונה של מוראטי בפיתוח מכונות חשיבה מתקדמות. בראיון שנתנה לפני הקמת החברה החדשה, הדגישה מוראטי את חשיבות האתיקה בפיתוח בינה מלאכותית והצורך לפתח מערכות בטוחות שמשרתות את האנושות.

לפי הצהרותיה הקודמות, Thinking Machines Lab מתכוונת ליצור מערכות בינה מלאכותית "מובנות יותר, ניתנות להתאמה אישית, ובעלות יכולות כלליות יותר" מאלו הקיימות כיום בשוק. מונחים אלה מרמזים על מערכות בינה מלאכותית שיהיו שקופות יותר למשתמשים (בניגוד ל"קופסה שחורה" של מודלים רבים כיום), יאפשרו התאמה אישית לצרכים ספציפיים, ויוכלו לבצע מגוון רחב יותר של משימות.