Mirendil signe avec Google Cloud un accord de plus de 100 millions de dollars pour la recherche sur l’IA auto-améliorante

La société de recherche en IA Mirendil a signé un partenariat pluriannuel avec Google Cloud afin d’obtenir la capacité de calcul nécessaire à ses travaux sur des systèmes d’IA auto-améliorants. Le directeur général et cofondateur Behnam Neyshabur a indiqué à TechCrunch que l’accord valait plus de 100 millions de dollars. L’entente donne à Mirendil accès aux unités de traitement tensoriel de Google, aux processeurs graphiques Nvidia et à des grappes d’entraînement gérées. Il s’agit d’un engagement d’infrastructure pour la recherche, et non de la publication d’un modèle public, une distinction importante : l’annonce établit une relation majeure en matière de calcul, tandis que le système que Mirendil espère finalement construire demeure en cours de développement.

Le matériel mixte est au cœur du partenariat. Différentes étapes et catégories de charges de travail d’IA peuvent favoriser des accélérateurs différents ; l’accès à la fois aux TPU et aux GPU Nvidia offre donc au laboratoire plusieurs options pour attribuer les tâches d’entraînement et de recherche. Le cofondateur de Mirendil, Harsh Mehta, a déclaré que le défi consistait de plus en plus à faire correspondre les charges de travail aux puces appropriées. Les grappes d’entraînement gérées ajoutent une couche système autour de ces accélérateurs, ce qui permet à l’entreprise de se concentrer non seulement sur l’accès brut aux puces, mais aussi sur la coordination de grandes tâches. Mirendil soutient que cette flexibilité peut réduire les coûts de ses propres travaux, puis ceux de ses clients qui utiliseront ses systèmes.

Mirendil décrit son objectif de recherche comme une IA capable d’améliorer de façon itérative ses connaissances et ses performances. Neyshabur a comparé cette idée à la manière dont les scientifiques apprennent un nouveau domaine, accumulent de l’expertise et deviennent plus efficaces au fil du temps. L’entreprise estime que de tels systèmes pourraient automatiser certaines parties de la recherche scientifique et de la recherche en IA et contribuer aux travaux en médecine, en biologie et en science des matériaux. Il s’agit d’ambitions, et non de résultats démontrés par l’accord infonuagique. L’entente fournit les ressources nécessaires pour les poursuivre ; elle n’établit pas que Mirendil a déjà construit un système capable de réaliser indépendamment des découvertes dans ces domaines.

L’ampleur de l’engagement montre à quel point l’accès au calcul est devenu une ressource stratégique pour les jeunes laboratoires d’IA. Mirendil obtient de la capacité au moyen d’une relation pluriannuelle au lieu de dépendre uniquement des disponibilités à court terme. Pour Google Cloud, l’accord met son infrastructure au service d’une entreprise qui mène des recherches de pointe et lui apporte un partenaire développant une couche logicielle et système au-dessus du matériel de Google. Amin Vahdat, vice-président principal et directeur de la technologie de Google pour l’IA et l’infrastructure, a présenté les progrès actuels de l’IA comme une question d’orchestration de systèmes entiers autant que d’amélioration de puces individuelles.

Cet accent mis sur les systèmes correspond à la proposition de Mirendil. Neyshabur a déclaré que le logiciel de l’entreprise pouvait aider les clients à tirer davantage parti du matériel de Google, tandis que Google pourrait à terme proposer aux entreprises la technologie qui en résulterait si la recherche arrivait à maturité. Selon la présentation des deux sociétés, leur relation va donc au-delà d’une simple location de matériel. Google fournit divers accélérateurs et des grappes gérées ; Mirendil travaille sur des méthodes d’attribution des charges de travail et d’amélioration des systèmes au fil de cycles répétés. Toute future offre destinée aux entreprises reste néanmoins hypothétique, et aucune des deux sociétés n’a annoncé la disponibilité générale d’un modèle Mirendil le 6 août.

Mirendil affirme que l’entraînement d’une IA auto-améliorante exige d’énormes quantités de puissance de calcul. Mehta a déclaré que la tâche consistait de plus en plus à faire correspondre les bonnes charges de travail au bon matériel, ce qui rend l’accès à plusieurs types de puces précieux pour la recherche. Le partenariat avec Google répond à ce besoin en donnant accès à des TPU, à des GPU Nvidia et à des grappes d’entraînement gérées. Mirendil soutient que cette flexibilité lui permettra d’associer les charges de travail aux accélérateurs appropriés et de réduire les coûts tant pour ses propres travaux que pour les clients qui utilisent ses systèmes.

Pour l’instant, le développement concret réside dans le partenariat signé et les ressources qu’il rend disponibles. Dans le cadre d’un accord que son directeur général évalue à plus de 100 millions de dollars, Mirendil dispose d’un accès pluriannuel aux TPU de Google, aux GPU Nvidia et aux grappes d’entraînement gérées. La suite reste incertaine : la manière dont le laboratoire mesurera l’amélioration itérative, les tâches de recherche que ses systèmes pourront prendre en charge et le moment où un éventuel produit pourra atteindre les clients. L’annonce est importante parce qu’elle dote un programme de recherche bien financé des moyens d’étudier ces questions à grande échelle, sans aller jusqu’à affirmer qu’un système public d’IA auto-améliorante est déjà disponible.