[Rossi D]

Microsoft je hladový, a tak použil svůj oblíbený trik: vykuchal nadějný AI startup

Microsoft přetáhl klíčové lidi z londýnského startupu Haiper AICo se stalo?

• Londýnský startup Haiper AI, který se specializoval na generování krátkých videí z textových promptů (podobně jako Sora od OpenAI nebo Runway), ukončil v únoru svou činnost.
  
• Důvodem bylo, že Microsoft přetáhl oba spoluzakladatele firmy (Yishu Miao a Ziyu Wang) a hlavního vývojáře k sobě, čímž prakticky startup „vykuchal“.
  

Kontext:

• Haiper AI fungoval od roku 2021, ovšem teprve loni získal významnou pozornost médií i investorů (14 milionů dolarů od Octopus Ventures).
  
• Zakladatelé firmy pochází z elitního AI týmu DeepMind, patřícího Googlu, oba mají doktorát z Oxfordu.
  

Strategická motivace Microsoftu:

• Microsoft už v minulosti použil podobnou taktiku s jiným AI startupem, Inflection AI, když si odtud přetáhl klíčové lidi včetně známého AI experta Mustafy Sulejmana, který dnes vede AI aktivity Microsoftu.
  
• Aktuální krok ukazuje, že Microsoft pokračuje v agresivní strategii získávání špičkových odborníků z jiných firem, místo aby je kupoval.
  

Souvislosti ve světě AI:

• AI je aktuálně nejžhavější oblast technologického vývoje. Microsoft oznámil, že letos do AI investuje celkem až 80 miliard dolarů.
  
• Kromě Microsoftu se do AI silně angažuje i OpenAI, za výrazné podpory amerického prezidenta Donalda Trumpa (projekt Stargate, investice do datacenter za 500 miliard dolarů), a evropské startupy typu Mistral.
  

Dopady:

• Tvorba videa z AI promptů je oblast s obrovským potenciálem, služby jako Sora a Runway již nyní generují působivá krátká videa.
  
• Tato akvizice talentů potvrzuje strategický zájem Microsoftu ovládnout tuto důležitou oblast dříve než konkurence.
  

---

Tento krok Microsoftu je důkazem, jak důležité je získávat špičkové talenty v oblasti AI, a jak agresivně jsou velké firmy ochotny postupovat.

---

Středoškolák vytvořil webovou stránku, která umožňuje vyzvat modely umělé inteligence na souboj ve hře Minecraft



AI benchmarky už nestačí. Vývojáři umělé inteligence začali testovat své modely v MinecraftuCo se stalo?

• Protože tradiční metody hodnocení AI modelů přestávají stačit, vznikl nový projekt MC-Bench (Minecraft Benchmark), který testuje schopnosti umělé inteligence skrze populární videohru Minecraft.
  
• MC-Bench funguje tak, že různé AI modely soutěží v tom, jak dokážou podle textového zadání vytvořit určité objekty ve hře Minecraft (např. sněhuláka, ananas či tropickou chatku).
  

Proč Minecraft?

• Minecraft je nejprodávanější videohrou historie a jeho jednoduchá grafika je snadno rozpoznatelná i pro lidi, kteří ho příliš neznají.
  
• Díky tomu mohou uživatelé snadno porovnávat výsledky různých AI modelů bez nutnosti hlubokých technických znalostí.
  

Jak MC-Bench funguje?

• Uživatelé vidí výsledky dvou různých AI modelů (např. OpenAI GPT-4 nebo Anthropic Claude 3.7) a hlasují, který z nich vytvořil lepší stavbu v Minecraftu.
  
• Teprve po hlasování se dozví, který model vytvořil kterou stavbu.
  
• Projekt vznikl jako dobrovolnická aktivita, kterou podporují společnosti jako Anthropic, Google, OpenAI nebo Alibaba (poskytují své modely, ale nejsou jinak oficiálně zapojené).
  

Proč je tento přístup lepší než klasické benchmarky?

• Standardní AI testy (např. LSAT nebo programátorské benchmarky) mohou být zavádějící, protože AI modely často vynikají v úzce definovaných úkolech, ale selhávají ve zdánlivě jednoduchých situacích.
  
• Například GPT-4 exceluje v právnických testech, ale nedokáže spočítat písmena ve slově.
  
• Testy ve hrách jako Minecraft jsou srozumitelnější a reflektují reálné schopnosti modelů přesněji než abstraktní textové testy.
  

Budoucí potenciál

• Zakladatel MC-Bench, student Adi Singh, věří, že Minecraft a podobné hry mohou být ideálním prostředkem k testování AI v bezpečném, ale zároveň realistickém prostředí.
  
• Minecraft tak umožňuje hodnotit pokrok v AI názorněji a jasněji než abstraktní testy.
  

---

Klíčové sdělení:Testování AI pomocí her jako Minecraft může pomoci lépe posoudit skutečné schopnosti modelů, což může být cenným vodítkem pro další vývoj umělé inteligence.