Sakana AI Co, Ltd.是一家总部位于东京的日本人工智能公司。该公司专注于研究人工智能的进化与集体智能，其灵感源自自然系统。公司名称取自日语中“鱼”一词，象征着鱼群如何通过简单的个体规则形成连贯的整体，，这是对集体智能的一种类比。
该公司由David Ha、Llion Jones和Ren Ito创立。Llion Jones在谷歌工作期间，与他人合著了2017年具有开创性的论文《Attention Is All You Need》，该论文引入了支撑现代大语言模型的Transformer (architecture)架构。Sakana AI从Lux Capital和Khosla Ventures获得了3000万美元的种子轮融资，随后于2024年从三菱UFJ、三井住友银行、瑞穗银行、伊藤忠、KDDI、野村证券和英伟达等投资者处获得了约2亿美元的A轮融资。《日经新闻》估计该公司在2024年的价值为190亿日元。
创始与使命
Sakana AI成立于东京，其目标是通过受自然启发的计算方法实现人工智能开发的民主化。创始人们寻求超越单纯扩展神经网络的范式，转而探索简单的交互组件如何产生复杂、自适应的行为。公司的研究议程植根于进化计算和群体智能，这些领域在历史上不如深度学习那样受重视，但为创造强大的人工智能系统提供了替代途径。
David Ha此前在谷歌大脑工作，参与了神经网络架构和强化学习的研究。Llion Jones带来了他在transformer架构方面的专业知识，该架构已成为现代生成式人工智能的基础。担任首席执行官的Ren Ito则提供了创业与战略领导力。三人的综合背景使Sakana AI能够将前沿机器学习研究与实际产品开发相衔接。
受自然启发的算法
Sakana AI的核心研究领域是进化与集体智能。该公司开发模拟自然选择、突变和重组等生物过程的算法，以优化人工智能模型。这种方法与依赖人工设计架构和固定训练流程的传统方法形成对比。通过将模型视为可以被培育和进化的有机体，Sakana AI旨在发现人类直觉可能错过的全新解决方案。
集体智能是另一个核心主题。该公司研究多个智能体如何协调和共享信息，从而比任何单一智能体更有效地解决问题。这借鉴了鱼群、鸟群和昆虫群落中观察到的原理，即简单的局部规则产生复杂的群体行为。Sakana AI将这些思想应用于多智能体系统，可能实现更稳健和可扩展的人工智能部署。
模型培育方法
2024年1月，Sakana AI开发了一种通过“培育”多个现有模型来构建新人工智能模型的方法。该过程涉及组合和变异不同模型的组件，类似于生物进化中的基因交叉。这项技术使得无需大量计算资源从头训练即可创建能力更强的模型。Sakana AI将此视为实现人工智能开发民主化的一种手段，因为较小的组织和研究人员可以在无需访问大规模计算基础设施的情况下参与模型创建。
培育方法利用进化计算和模型剪枝的见解，有选择地组合有益特征。它可以作用于通常以宽松许可证发布的开源模型，从而促成协作式的模型改进生态系统。这种方法对降低训练大型模型相关的环境和财务成本具有意义，使人工智能研究在全球范围内更容易获得。
AI科学家项目
Sakana AI还在开发一个名为AI科学家的模型，该模型自动化整个科学研究过程。这一雄心勃勃的项目旨在创建一个能够提出假设、设计实验、运行模拟、分析结果并撰写论文的人工智能系统。AI科学家可以通过处理科学方法的常规方面，加速从生物学到材料科学等领域中的发现。
该项目整合了多种人工智能能力，包括用于推理和文本生成的大语言模型，以及用于数据分析和实验设计的专门模块。尽管仍处于早期阶段，AI科学家代表了向自主研究系统迈出的重要一步。Sakana AI将此工作定位为对人类科学家的补充，可能增强而非取代他们的生产力。
资金与投资者
Sakana AI的资金支持反映了风险投资和企业投资者的强烈信心。3000万美元的种子轮由Lux Capital和Khosla Ventures领投，这两家硅谷知名公司以支持前沿技术初创公司而闻名。2024年宣布的A轮融资从日本金融机构和科技公司组成的财团中获得了约2亿美元，包括三菱UFJ、三井住友银行、瑞穗银行、伊藤忠、KDDI、野村证券和英伟达。
英伟达作为人工智能硬件的领先供应商，其参与表明在针对特定芯片架构优化Sakana AI算法方面存在潜在协同效应。日本主要银行和贸易公司的参与表明对人工智能在金融、物流和电信领域应用的战略兴趣。这一多元化的投资者基础为Sakana AI提供了资本和行业合作伙伴关系的渠道。
在人工智能领域中的地位
Sakana AI在一个由OpenAI、Anthropic和Google DeepMind等大型实验室主导的竞争领域中运作。然而，其对受自然启发的算法的关注使其与这些主要追求现有架构扩展的同行区分开来。公司的东京位置也使其处于日本日益增长的人工智能生态系统中，与Sony AI和富士通的努力并列。Sakana AI的方法可能补充MIT CSAIL和斯坦福人工智能实验室等学术机构在进化计算方面的类似探索。
公司对效率和民主化的强调与人工智能社区中的更广泛趋势产生共鸣，例如开发更小、更专门的模型。通过降低模型创建的计算障碍，Sakana AI可能促成更分布式和包容性的人工智能研究格局。其方法也可能为受益于进化优化的残差网络和其他架构的设计提供信息。
未来方向
展望未来，Sakana AI计划将其研究扩展到集体智能的新应用，包括机器人和多智能体系统。公司还在探索与学术和工业合作者的伙伴关系，以在现实环境中验证其方法。截至2024年，Sakana AI继续完善其培育技术和AI科学家，目标是发布研究人员可以用来加速自身工作的工具。
公司的成功将取决于其受自然启发的方法能否在大规模上取得与传统深度学习相竞争的结果。早期结果令人鼓舞，但更广泛的采用将需要展示在效率、稳健性或能力方面的明显优势。Sakana AI在进化、集体智能和实际人工智能开发交汇处的独特位置，使其成为机器学习不断演变格局中值得关注的参与者。