Tras abandonar Meta, Tian Yuandong también ha iniciado su propio emprendimiento.
Recientemente, la empresa emergente Recursive_SI se presentó oficialmente, revelando la lista de sus fundadores, en la que figura Tian Yuandong.
Además de Tian Yuandong, el equipo fundador incluye a Richard Socher (CEO), Tim Rocktäschel, Jeff Clune, Tim Shi, Caiming Xiong, Alexey Dosovitskiy y otros.
Estos miembros fundadores han participado en la creación de laboratorios de investigación de IA en Salesforce y Uber, y han ocupado posiciones de liderazgo en equipos de OpenAI, DeepMind, Google Brain y Meta, poseyendo una rica experiencia en investigación y emprendimiento.
Recursive_SI se dedica a crear una inteligencia artificial capaz de realizar experimentos de forma autónoma y mejorarse a sí misma de manera segura, evolucionando constantemente en un proceso abierto y automatizado de descubrimiento científico, lo que se considera el camino más probable hacia la superinteligencia.
Actualmente, Recursive ha recaudado 650 millones de dólares, con una valoración de 4,650 millones de dólares, liderada por GV (Google Ventures) y Greycroft, con inversiones significativas de AMD Ventures y NVIDIA.
El equipo cuenta ya con más de 25 miembros y sigue expandiéndose, atrayendo a muchos talentos destacados, incluido Zhuge Mingchen, quien se incorporará próximamente.
Zhuge Mingchen es actualmente miembro fundador (Founding Member) de Recursive. Se doctoró en Ciencias de la Computación por la King Abdullah University of Science and Technology (KAUST), bajo la supervisión del profesor Jürgen Schmidhuber, conocido como el "padre del LSTM". Su investigación se centra principalmente en Agentes de Código (Coding Agents), la Automejora Recursiva (Recursive Self-Improvement, RSI) y los Paradigmas de Máquina de Próxima Generación (Next-generation Machine Paradigms).
Desde 2023, Zhuge Mingchen comenzó a explorar sistemáticamente la dirección de la Automejora Recursiva (RSI).
Durante su etapa en MetaGPT, propuso que los agentes deberían poseer mecanismos de automejora continua y evolución de capacidades, y continuó avanzando en esta línea de investigación en trabajos posteriores. Entre ellos, GPTSwarm se considera uno de los primeros paradigmas de sistema RSI en la era de los LLM, proponiendo y validando por primera vez de manera sistemática un marco de colaboración autoorganizada basado en Agentes de Gráficos (Graph-based Agents), logrando la cooperación, retroalimentación y evolución de capacidades entre agentes a través de estructuras de gráficos dinámicos. Sus ideas centrales fueron ampliamente adoptadas posteriormente por numerosos trabajos sobre multiagentes e IA agencial (Agentic AI). Agent-as-a-Judge exploró aún más los mecanismos de retroalimentación continua y autoevaluación en tareas de larga duración, intentando resolver los problemas de continuidad y optimización estable de los agentes en tareas complejas. La investigación en NeuralComputer se orientó aún más hacia la arquitectura de los sistemas de IA de próxima generación, explorando nuevos paradigmas de máquina que fusionen memoria, razonamiento y capacidad de evolución autónoma.
Se puede ver que el equipo de investigación que se une a Recursive posee una profunda experiencia académica en la dirección de la automejora recursiva.
Tian Yuandong y varios otros fundadores han promocionado la empresa en X: Estamos creando una inteligencia artificial capaz de descubrir conocimiento de forma automática y mejorarse a sí misma recursivamente. Este proceso abierto cambiará fundamentalmente la forma en que avanza la ciencia y la tecnología.
En múltiples áreas clave de la inteligencia artificial de automejora recursiva, el equipo se encuentra a la vanguardia de la industria.
Los miembros han logrado avances significativos en algoritmos abiertos (open-ended), algoritmos de calidad y diversidad (Quality Diversity), algoritmos generados por IA, agentes de programación que se automejoran (self-improving), pruebas de "red teaming" automatizadas y descubrimiento de capacidades, ingeniería de prompts y su automatización, generación de desafíos de aprendizaje y entornos, modelos de mundo fundamentales (foundation world models), aprendizaje profundo en procesamiento de lenguaje natural, Transformers para visión, generación aumentada por recuperación (RAG) y el científico de IA (AI Scientist), entre otros.
Por lo tanto, tenemos grandes expectativas ante las próximas investigaciones de Recursive_SI.
Este artículo proviene del WeChat público "机器之心", autor: 机器之心, editor: 机器之心编辑部
