استارتاپ برنامه‌نویسی هوش مصنوعی مولد Magic سرمایه‌گذاری 320 میلیون دلاری از اریک اشمیت، Atlassian و دیگران جذب کرد

Magic ، یک استارتاپ هوش مصنوعی که مدل‌هایی برای تولید کد و خودکارسازی مجموعه‌ای از وظایف توسعه نرم‌افزار ایجاد می‌کند، سرمایه‌ی بزرگی را از سرمایه‌گذاران از جمله اریک اشمیت، مدیرعامل سابق گوگل، جمع کرده است.

در یک پست وبلاگ در روز پنجشنبه، Magic اعلام کرد که دوره‌ی جمع‌آوری سرمایه‌ای به مبلغ ۳۲۰ میلیون دلار را با مشارکت اریک اشمیت، CapitalG آلفابت، Atlassian، الاد گیل، Jane Street، نت فریدمن و دنیل گروس، Sequoia و دیگران به پایان رسانده است. این سرمایه شرکت را به مجموع تقریباً نیم میلیارد دلار (۴۶۵ میلیون دلار) رسانده است و آن را به گروه استارتاپ‌های برنامه‌نویسی هوش مصنوعی با سرمایه‌گذاری بالا که شامل Codeium، Cognition، Poolside، Anysphere و Augment نیز می‌شوند، پیوسته است. (جالب است که اریک اشمیت از Augment نیز پشتیبانی می‌کند.)

در ماه جولای، Reuters گزارش داد که Magic در تلاش بود تا بیش از ۲۰۰ میلیون دلار را با ارزش‌گذاری ۱.۵ میلیارد دلار جمع‌آوری کند. مشخصاً، این دوره بالاتر از انتظارات بوده است، هرچند که ارزش فعلی استارتاپ را نمی‌توان تأیید کرد؛ ارزش Magic در فوریه ۵۰۰ میلیون دلار بوده است.

Magic همچنین در روز پنجشنبه اعلام کرد یک همکاری با Google Cloud برای ساخت دو «سوپرکامپیوتر» بر روی پلتفرم Google Cloud آغاز کرده است. Magic-G4 از GPUهای Nvidia H100 تشکیل خواهد شد و Magic G5 از چیپ‌های نسل بعد Nvidia، Blackwell، که برای سال آینده برنامه‌ریزی شده‌اند، استفاده خواهد کرد. (GPUها به دلیل توانایی‌شان در انجام محاسبات موازی، به‌طور معمول برای آموزش و ارائه مدل‌های هوش مصنوعی مولدی استفاده می‌شوند.)

Magic می‌گوید که هدف آن مقیاس کردن این خوشه به «ده‌ها هزار» GPU در طول زمان است و همراه با هم، این خوشه‌ها قادر به دست‌یابی به ۱۶۰ اگزافلاپس خواهند بود، جایی که یک اگزافلاپ معادل یک کوینتیلیون عملیات رایانه‌ای در ثانیه است.

«ما از همکاری با گوگل و انویدیا برای ساخت سوپرکامپیوتر هوش مصنوعی نسل بعدی خود بر روی Google Cloud هیجان‌زده هستیم،» اریک استینبرگر، هم‌بنیان‌گذار و مدیرعامل Magic در بیانیه‌ای گفت. «سیستم [Blackwell] انویدیا بهبود زیادی در کارایی استنباط و آموزش مدل‌های ما ایجاد خواهد کرد و Google Cloud به ما سریع‌ترین زمان برای مقیاس و اکوسیستم غنی از خدمات ابری را ارائه می‌دهد.»

استینبرگر و سباستین ده رو در سال ۲۰۲۲ Magic را تأسیس کردند. در یکی از مصاحبه‌های قبلی با TechCrunch، استینبرگر گفت که او از پتانسیل هوش مصنوعی در سنین جوانی الهام گرفته بود؛ در دبیرستان، او و دوستانش کامپیوترهای مدرسه را برای آموزش الگوریتم‌های یادگیری ماشین سیم‌کشی کردند.

این تجربه بذرهایی برای برنامه کارشناسی علوم کامپیوتر استینبرگر در دانشگاه کمبریج کاشت (او بعد از یک سال از دانشگاه انصراف داد) و بعدتر، شغل او در Meta به عنوان محقق هوش مصنوعی شد. ده رو از شرکت مدیریت فرآیند کسب‌وکار آلمانی FireStart آمده است، جایی که او تا مقام CTO پیشرفت کرد. استینبرگر و ده رو در سازمان داوطلبانه زیست‌محیطی که استینبرگر هم‌بنیان‌گذار آن بوده است، ClimateScience.org، همدیگر را ملاقات کردند.

Magic ابزارهای مبتنی بر هوش مصنوعی توسعه می‌دهد (هنوز برای فروش نیستند) که به مهندسان نرم‌افزار کمک می‌کند کد بنویسند، بازبینی کنند، اشکال‌زدایی کنند و تغییرات کد را برنامه‌ریزی کنند. این ابزارها مانند یک جفت برنامه‌نویس خودکار عمل می‌کنند، تلاش می‌کنند تا زمینه‌های پروژه‌های برنامه‌نویسی مختلف را درک کرده و به‌طور مداوم یاد بگیرند.

بسیاری از پلتفرم‌ها همین کار را انجام می‌دهند، از جمله GitHub Copilot معروف. اما یکی از نوآوری‌های Magic در پنجره‌های زمینه بسیار طولانی مدل‌های آن نهفته است. این مدل‌ها «شبکه حافظه‌ طولانی‌مدت» یا به اختصار «LTM» نامیده می‌شوند.

زمینه یک مدل، یا پنجره زمینه، به داده‌های ورودی (مثلاً کد) اشاره دارد که مدل قبل از تولید خروجی (مثلاً کد اضافی) آنها را در نظر می‌گیرد. یک سوال ساده – «چه کسی در انتخابات ریاست‌جمهوری ۲۰۲۰ آمریکا برنده شد؟» – می‌تواند به عنوان زمینه عمل کند، همچنان که فیلمنامه فیلم، نمایش یا کلیپ صوتی هم می‌تواند.

با افزایش پنجره‌های زمینه، اندازه اسناد – یا پایگاه کدها، به‌عنوان موردی دیگر – در حال جایگزینی در آنها نیز افزایش می‌یابد. زمینه طولانی می‌تواند از «فراموش کردن» محتوای مدارک و داده‌های اخیر توسط مدل‌ها جلوگیری کند و از بروز خطاها و انحرافات نادرست جلوگیری کند.

Magic ادعا می‌کند که مدل جدیدش، LTM-2-mini، دارای پنجره زمینه‌ای به اندازه ۱۰۰ میلیون توکن است. (توکن‌ها قسمت‌های کوچکتری از داده‌های خام هستند، مانند هجاهای «فن»، «تس» و «تیک» در کلمه «فوق‌العاده». ۱۰۰ میلیون توکن معادل حدود ۱۰ میلیون خط کد یا ۷۵۰ رمان است. و این بزرگ‌ترین پنجره زمینه‌ای هر مدل تجاری موجود است؛ بزرگ‌ترین پنجره بعدی متعلق به مدل‌های Gemini گوگل هستند که دارای ۲ میلیون توکن می‌باشند.

Magic می‌گوید که به لطف زمینه طولانی، LTM-2-mini توانسته است یک معیار سنجش قوی رمز عبور برای یک پروژه منبع باز پیاده‌سازی کند و یک ماشین‌حساب با استفاده از چارچوب UI اختصاصی تقریباً به‌طور خودکار ایجاد کند.

شرکت در حال حاضر در فرآیند آموزش نسخه بزرگ‌تر این مدل است.

Magic یک تیم کوچک دارد – حدود دو دوجین نفر – و هیچ درآمدی برای صحبت کردن دارد. اما آن به دنبال بازاری است که تا سال ۲۰۳۲ می‌تواند به ارزش ۲۷.۱۷ میلیارد دلار برسد، بر اساس تخمین Polaris Research ، و سرمایه‌گذاران آن را به عنوان یک تلاش ارزشمند (و احتمالاً بسیار سودآور) می‌بینند.

با وجود نگرانی‌های امنیتی، حقوقی و قابلیت اطمینان در مورد ابزارهای برنامه‌نویسی کمکی مبتنی بر هوش مصنوعی، توسعه‌دهندگان علاقه خود را به آنها نشان داده‌اند، به طوری که اکثریت قریب به اتفاق افرادی شرکت‌کننده در نظرسنجی اخیر GitHub اظهار کردند که به نوعی ابزارهای هوش مصنوعی را پذیرفته‌اند. مایکروسافت در آوریل گزارش داد که Copilot بیش از ۱.۳ میلیون کاربر پرداختی و بیش از ۵۰,۰۰۰ مشتری تجاری دارد.

و اهداف Magic بلندتر از خودکارسازی وظایف معمولی توسعه نرم‌افزار است. در وبسایت شرکت، آن صحبت از مسیری به AI عمومی می‌کند – هوش مصنوعی که می‌تواند مشکلات را با قابلیت اطمینان بیشتر از انسان‌ها حل کند.

به سمت چنین هوشی، Magic مستقر در سانفرانسیسکو اخیراً بن چس را، که قبلاً رهبر تیم سوپرکامپیوتر OpenAI بوده است، استخدام کرده و برنامه‌هایی برای گسترش تیم‌های امنیت سایبری، مهندسی، تحقیقاتی و مهندسی سیستم خود دارد.