استارت‌آپ کدنویسی مولد هوش مصنوعی Magic سرمایه‌گذاری 320 میلیون دلاری را از اریک اشمیت، Atlassian و دیگران دریافت می‌کند.

سحر و جادویک استارت‌آپ هوش مصنوعی که مدل‌هایی را برای تولید کد و خودکارسازی طیف وسیعی از وظایف توسعه نرم‌افزار ایجاد می‌کند، مقدار زیادی پول نقد از سرمایه‌گذاران، از جمله اریک اشمیت، مدیرعامل سابق گوگل، جمع‌آوری کرده است.

در یک پست وبلاگ در روز پنجشنبه، مجیک گفت که دور جمع آوری سرمایه 320 میلیون دلاری را با مشارکت اشمیت و همچنین CapitalG، Atlassian، Elad Gil، Jane Street، Nat Friedman و Daniel Gross، Sequoia و دیگران از Alphabet’s بسته است. این بودجه کل جمع آوری شده شرکت را به نزدیک به نیم میلیارد دلار (465 میلیون دلار) می رساند و آن را به گروهی از استارتاپ های کدنویسی هوش مصنوعی با بودجه بهتری که اعضای آن شامل Codeium، Cognition، Poolside، Anysphere و Augment هستند، تبدیل می کند. (جالب است که اشمیت از Augment نیز حمایت می کند.)

در ماه جولای، رویترز گزارش شده است که مجیک به دنبال جمع آوری بیش از 200 میلیون دلار با ارزش 1.5 میلیارد دلاری بود. بدیهی است که این دور فراتر از انتظارات بود، اگرچه ارزش فعلی استارت آپ را نمی توان مشخص کرد. مجیک در ماه فوریه 500 میلیون دلار ارزش گذاری شد.

سحر و جادو نیز در روز پنجشنبه اعلام کرد مشارکت با Google Cloud برای ساخت دو «ابر رایانه» در Google Cloud Platform. Magic-G4 از پردازنده‌های گرافیکی Nvidia H100 ساخته خواهد شد و Magic G5 از تراشه‌های Blackwell نسل بعدی Nvidia استفاده خواهد کرد که قرار است سال آینده آنلاین شوند. (GPU ها به دلیل توانایی آنها در اجرای محاسبات متعدد به صورت موازی، معمولاً برای آموزش و ارائه مدل های هوش مصنوعی مولد استفاده می شوند.)

Magic می‌گوید قصد دارد خوشه دوم را به «ده‌ها هزار» GPU در طول زمان مقیاس‌بندی کند، و این خوشه‌ها با هم می‌توانند به 160 اگزافلاپس دست یابند، که در آن یک اگزافلاپ برابر با یک کوینتیلیون عملیات رایانه در ثانیه است.

اریک اشتاینبرگر، یکی از بنیانگذاران و مدیر عامل مجیک در بیانیه ای گفت: ما از شراکت با گوگل و انویدیا برای ساختن ابررایانه هوش مصنوعی نسل بعدی خود بر روی Google Cloud خوشحالیم. «انویدیا [Blackwell] این سیستم کارایی استنتاج و آموزش را برای مدل‌های ما بسیار بهبود می‌بخشد، و Google Cloud سریع‌ترین جدول زمانی را برای مقیاس‌بندی و اکوسیستم غنی از خدمات ابری به ما ارائه می‌دهد.

اشتاین برگر و سباستین دی رو در سال 2022 مجیک را با هم تأسیس کردند. در دبیرستان، او و دوستانش کامپیوترهای مدرسه را برای آموزش الگوریتم یادگیری ماشینی سیم کشی کردند.

این تجربه بذرهای برنامه لیسانس علوم کامپیوتر اشتاینبرگر در کمبریج را کاشت (او پس از یک سال ترک تحصیل کرد) و بعداً شغل او در متا به عنوان محقق هوش مصنوعی. د رو از شرکت آلمانی مدیریت فرآیندهای کسب و کار FireStart تجلیل شد، جایی که او به سمت نقش CTO کار کرد. اشتاین برگر و دی رو در سازمان داوطلب محیط زیستی که اشتاین برگر مشترکاً ایجاد کرده بود، ClimateScience.org ملاقات کردند.

Magic ابزارهای مبتنی بر هوش مصنوعی (هنوز برای فروش) توسعه می دهد که برای کمک به مهندسان نرم افزار در نوشتن، بررسی، اشکال زدایی و برنامه ریزی تغییرات کد طراحی شده است. این ابزارها مانند یک برنامه نویس جفت خودکار عمل می کنند و تلاش می کنند تا در مورد زمینه پروژه های مختلف کدنویسی اطلاعات بیشتری کسب کنند.

بسیاری از پلتفرم‌ها همین کار را می‌کنند، از جمله فیل در اتاق GitHub Copilot. اما یکی از نوآوری‌های مجیک در پنجره‌های بافتی فوق‌العاده بلند مدل‌های آن نهفته است. معماری مدل ها را “شبکه حافظه بلند مدت” یا به اختصار “LTM” می نامد.

بافت مدل، یا پنجره زمینه، به داده های ورودی (مثلا کد) اشاره دارد که مدل قبل از تولید خروجی (مثلاً کد اضافی) در نظر می گیرد. یک سوال ساده – “چه کسی در انتخابات ریاست جمهوری 2020 آمریکا پیروز شد؟” – می تواند به عنوان زمینه، مانند فیلمنامه، نمایش یا کلیپ صوتی، به عنوان زمینه عمل کند.

همانطور که پنجره های زمینه بزرگ می شوند، اندازه اسناد – یا پایگاه های کد، بر حسب مورد – متناسب با آنها افزایش می یابد. زمینه طولانی می‌تواند مانع از «فراموش کردن» محتوای اسناد و داده‌های اخیر مدل‌ها و انحراف از موضوع و برون‌یابی اشتباه شود.

Magic ادعا می کند آخرین مدل آن، LTM-2-mini، دارای یک پنجره زمینه 100 میلیون توکن است. (توکن ها بیت های تقسیم بندی شده ای از داده های خام هستند، مانند هجاهای «فن»، «تاس» و «تیک» در کلمه «فانتزی».) صد میلیون نشانه معادل حدود 10 میلیون خط کد یا 750 رمان است. و این تا حد زیادی بزرگترین پنجره زمینه هر مدل تجاری است. بزرگ‌ترین مدل‌های پرچم‌دار گوگل جمینی با 2 میلیون توکن هستند.

مجیک می گوید که به لطف زمینه طولانی خود، LTM-2-mini قادر به پیاده سازی قدرت سنج رمز عبور برای یک پروژه منبع باز و ایجاد یک ماشین حساب با استفاده از یک چارچوب UI سفارشی تقریباً مستقل بود.

این شرکت اکنون در حال آموزش یک نسخه بزرگتر از آن مدل است.

مجیک یک تیم کوچک دارد – حدود دوجین نفر – و هیچ درآمدی برای صحبت کردن ندارد. اما بازاری را دنبال می کند که تا سال 2032 می تواند 27.17 میلیارد دلار ارزش داشته باشد. مطابق طبق برآورد Polaris Research، و سرمایه گذاران این را یک تلاش ارزشمند (و احتمالاً کاملاً پرسود) می دانند.

علیرغم نگرانی‌های امنیتی، حق چاپ و قابلیت اطمینان در مورد ابزارهای کدگذاری کمکی مبتنی بر هوش مصنوعی، توسعه‌دهندگان علاقه زیادی به آن‌ها نشان داده‌اند. اکثریت قریب به اتفاق از پاسخ دهندگان در آخرین نظرسنجی GitHub گفته اند که ابزارهای هوش مصنوعی را به شکلی به کار گرفته اند. مایکروسافت در آوریل گزارش داد که Copilot داشته است بیش از 1.3 میلیون کاربر پرداخت کننده و بیش از 50000 مشتری تجاری.

و جاه طلبی های Magic بزرگتر از خودکارسازی وظایف معمول توسعه نرم افزار است. در وب‌سایت این شرکت، از مسیری به سوی AGI صحبت می‌شود – هوش مصنوعی که می‌تواند مشکلات را با اطمینان‌تر از انسان‌ها به تنهایی حل کند.

مجیک مستقر در سانفرانسیسکو، اخیراً بن شطر، رهبر سابق تیم ابررایانه‌های OpenAI را استخدام کرده است و قصد دارد تیم‌های امنیت سایبری، مهندسی، تحقیقات و مهندسی سیستم خود را گسترش دهد.