O Allen Institute for AI (abreviado como Ai2) é um instituto de pesquisa científica sem fins lucrativos 501(c)(3), fundado em 2014 pelo falecido cofundador da Microsoft e filantropo Paul Allen. O instituto busca conduzir pesquisa e engenharia de IA de alto impacto em prol do bem comum. O Ai2 tem sede em Seattle e também possui um escritório ativo em Tel Aviv, Israel.
O instituto é conhecido por suas contribuições à pesquisa em inteligência artificial, incluindo o desenvolvimento de modelos de linguagem de grande escala de código aberto, ferramentas de processamento de linguagem natural e plataformas de visão computacional. Seu trabalho abrange pesquisa fundamental, sistemas aplicados e ferramentas voltadas ao público, com foco em reprodutibilidade e transparência no desenvolvimento de IA.
História
Oren Etzioni foi nomeado por Paul Allen em setembro de 2013 para dirigir a pesquisa no instituto. Após liderar a organização por nove anos, Etzioni deixou o cargo de CEO em 30 de setembro de 2022. Ele foi substituído em caráter interino pelo pesquisador líder do projeto Aristo da empresa, Peter Clark. Em 20 de junho de 2023, o Ai2 anunciou Ali Farhadi como seu próximo CEO, a partir de 31 de julho de 2023. Em 10 de março de 2026, o Ai2 anunciou que Ali Farhadi deixaria o cargo de CEO após 2,5 anos no papel, sendo substituído por Peter Clark, novamente em caráter interino.
Sob seus sucessivos líderes, o Ai2 expandiu seu foco de resposta a perguntas e raciocínio para abranger o desenvolvimento de modelos abertos em grande escala, IA incorporada e aplicações ambientais. O modelo de financiamento do instituto, baseado em doações e subsídios em vez de receita comercial, permitiu que ele priorizasse lançamentos abertos e benefício público.
Aristo e Raciocínio
Aristo é um projeto emblemático do Ai2. Seu objetivo original era projetar um sistema de inteligência artificial que pudesse ler, aprender e raciocinar com sucesso a partir de textos e, em última instância, demonstrar seu conhecimento ao passar em um exame de ciências do 8º ano - a equipe alcançou esse objetivo em 2018. Foi inspirado por um projeto semelhante chamado Project Halo, conduzido pela empresa de investimentos Vulcan, sediada em Seattle. O foco atual da equipe é construir a próxima geração de sistemas que possam raciocinar, explicar e melhorar continuamente ao longo do tempo.
O sistema Aristo combinava componentes de redes neurais com raciocínio simbólico e recuperação de conhecimento. Seu sucesso no exame de ciências demonstrou o potencial de abordagens híbridas em aprendizado de máquina. As técnicas do projeto influenciaram trabalhos posteriores em modelos baseados em transformers e sistemas de IA generativa.
Visão Computacional e IA Incorporada
A equipe PRIOR busca avançar o campo da visão computacional criando sistemas de IA que possam ver, explorar, aprender e raciocinar sobre o mundo. A equipe lançou a plataforma aberta de IA incorporada AI2-THOR em 2016, apoiando o treinamento de agentes de IA em ambientes simulados. Em fevereiro de 2018, a equipe lançou o jogo Iconary como uma demonstração de uma IA que pode entender e produzir cenas situadas a partir de um conjunto limitado de ícones.
O AI2-THOR fornece ambientes 3D fotorrealistas com objetos interativos, permitindo pesquisa em navegação, manipulação e planejamento de tarefas. A plataforma foi amplamente adotada na comunidade de aprendizado profundo para benchmarking e treinamento de agentes incorporados. O Iconary, desenvolvido em colaboração com a empresa de jogos, testa a capacidade da IA de se comunicar usando desenhos e palpites, exigindo senso comum e compreensão visual.
Semantic Scholar e AllenNLP
A ferramenta Semantic Scholar é um mecanismo de busca para publicações acadêmicas baseado em inteligência artificial, lançado publicamente em novembro de 2015. Ela usa avanços em processamento de linguagem natural para fornecer recursos como resumos de artigos científicos, informações contextuais sobre citações inline e a capacidade de criar bibliotecas de artigos e receber recomendações de artigos.
A equipe AllenNLP trabalha em pesquisa para melhorar o desempenho e a responsabilidade dos sistemas de PLN, além de avançar metodologias científicas para avaliar e entender sistemas de PLN. A equipe produz sua própria pesquisa, bem como ferramentas de código aberto para acelerar a pesquisa em PLN.
O AllenNLP, lançado pela primeira vez em 2017, tornou-se uma biblioteca popular para construir modelos de aprendizado profundo em PyTorch (embora não listado, é um framework comum). Ele fornece componentes modulares para tarefas como reconhecimento de entidades nomeadas, rotulagem de papéis semânticos e implicação textual. O Semantic Scholar agora indexa milhões de artigos e usa modelos de linguagem de grande escala para recursos como resumos TLDR e gráficos de citações.
MOSAIC e Senso Comum
O projeto Mosaic é focado em definir e construir conhecimento de senso comum e raciocínio para sistemas de IA. Esse esforço aborda um desafio de longa data na IA: permitir que máquinas entendam conceitos físicos e sociais cotidianos que os humanos consideram garantidos.
O Mosaic se baseia em iniciativas anteriores de senso comum, como o Cyc, mas usa técnicas modernas de aprendizado de máquina para adquirir e raciocinar sobre conhecimento. O projeto visa criar recursos que possam ser integrados a modelos de linguagem de grande escala para melhorar seu raciocínio e robustez. Em meados da década de 2020, o Mosaic lançou conjuntos de dados e benchmarks para avaliar o senso comum em sistemas de IA.
IA para o Meio Ambiente
Essas equipes buscam aplicar soluções de inteligência artificial à prevenção da caça furtiva e da pesca ilegal em locais ao redor do mundo, bem como a problemas ambientais como modelagem climática e gestão de incêndios florestais. As equipes deste grupo incluem EarthRanger, Skylight, Climate Modeling e Wildlands.
O EarthRanger é uma plataforma de software que integra dados de sensores, câmeras e relatórios de guardas florestais para fornecer consciência situacional em tempo real para gestores de áreas protegidas. O Skylight usa imagens de satélite e aprendizado de máquina para detectar embarcações provavelmente envolvidas em pesca ilegal. O Climate Modeling aplica aprendizado profundo para melhorar a precisão e a velocidade das simulações climáticas, enquanto o Wildlands foca em prever e mitigar incêndios florestais.
IA Generativa e Modelos Abertos
O Ai2 tem estado ativamente envolvido no desenvolvimento de inteligência artificial de código aberto por meio do lançamento de modelos de linguagem de grande escala totalmente abertos, conjuntos de dados e ativos de treinamento de modelos.
Família de modelos Olmo
Em 11 de maio de 2023, o Ai2 anunciou que estava desenvolvendo o OLMo, um modelo de linguagem aberto que visa igualar o desempenho de outros modelos de linguagem de última geração. Em fevereiro de 2024, variantes do modelo com 1B e 7B parâmetros foram disponibilizadas em código aberto, incluindo código, pesos do modelo com snapshots intermediários e logs, e o conteúdo de seu conjunto de dados de treinamento Dolma (um corpus em inglês de três trilhões de tokens extraído de texto da web, publicações acadêmicas, código, livros, mídia social e fontes enciclopédicas), tornando-o o modelo de última geração mais aberto disponível.
Em setembro de 2024, o Ai2 lançou o OLMoE, o primeiro modelo de mistura de especialistas da família OLMo, desenvolvido em conjunto com a Contextual AI. O modelo esparso tem aproximadamente 7 bilhões de parâmetros no total, dos quais cerca de 1 bilhão são ativos por token de entrada, e foi treinado em 5 trilhões de tokens. Como em outros lançamentos do OLMo, os pesos do modelo foram acompanhados pelos dados de treinamento, código, logs e checkpoints intermediários de treinamento.
Em novembro de 2024, o Ai2 lançou a segunda iteração do Olmo, OLMo 2, com o lançamento inicial incluindo modelos de 7B e 13B parâmetros. Em março de 2025, o Ai2 lançou uma variante de 32B do OLMo 2, afirmando ter lançado "o primeiro modelo totalmente aberto (todos os dados, código, pesos e detalhes estão livremente disponíveis) a superar o GPT3.5-Turbo e o GPT-4o mini".
Em novembro de 2025, o Ai2 lançou seu conjunto de modelos Olmo 3 (agora estilizados com "L" e "M" minúsculos). Eles incluíam o Olmo 3 Think (7 e 32B), Olmo 3 Base (7 e 32B), Olmo 3 Instruct (7B) e Olmo 3 RL Zero (7B). Em dezembro de 2025, o Ai2 anunciou uma atualização para o modelo de 32B, Olmo 3.1.
Os lançamentos do OLMo têm sido influentes no ecossistema OpenAI e Anthropic, fornecendo aos pesquisadores acesso completo aos dados e pipelines de treinamento. Eles também estimularam discussões sobre transparência no desenvolvimento de IA, contrastando com as abordagens fechadas dos laboratórios comerciais.
Modelos Tulu e receitas de pós-treinamento
Além da família totalmente aberta de modelos Olmo, o Ai2 também desenvolveu o Tulu, uma família de modelos ajustados por instruções e receitas abertas de pós-treinamento que se baseiam em modelos de pesos abertos (por exemplo, o Llama da Meta) para fornecer alternativas totalmente transparentes aos métodos proprietários de ajuste por instruções. O AI2 lançou a primeira iteração do Tulu em junho de 2023, com iterações subsequentes lançadas em novembro de 2023 (Tulu 2) e novembro de 2024 (Tulu 3).
Os modelos Tulu são projetados para serem usados com técnicas como Reinforcement Learning from AI Feedback (RLAIF) e aprendizado curricular, e as receitas incluem documentação detalhada de hiperparâmetros e processamento de dados. Este trabalho visa democratizar o acesso ao ajuste de instruções de última geração, que muitas vezes é uma caixa preta em modelos comerciais.
Ver também
- Allen Institute for Brain Science
- Allen Institute for Cell Science
- Inteligência artificial
- Glossário de inteligência artificial
- Lista de modelos de linguagem de grande escala
Referências
- Declarações do Internal Revenue Service. ProPublica Nonprofit Explorer.
- Site oficial.