NeoCognition krijgt recordinvestering voor nieuwe AI-aanpak
AI-onderzoekslab NeoCognition heeft een seed-investering van $40 miljoen binnengehaald. Het bedrijf bouwt AI-agents die leren op dezelfde manier als mensen. Deze aanpak wijkt af van huidige AI-systemen die vooraf getraind worden op enorme datasets.
De financiering komt van bekende AI-investeerders, waaronder Sequoia Capital en Andreessen Horowitz. Voor een seed-ronde is $40 miljoen uitzonderlijk hoog. Ter vergelijking: de gemiddelde seed-investering in AI-startups ligt rond de $5 miljoen.
Waarom leren zoals mensen belangrijk is
Huidige AI-modellen zoals GPT-4 leren door miljarden tekstvoorbeelden te analyseren. Ze krijgen geen nieuwe informatie na hun training. NeoCognition's agents leren continu bij, net als mensen die nieuwe vaardigheden oppakken.
Dit verschil heeft praktische gevolgen. Een traditioneel AI-model kan geen nieuwe software leren gebruiken zonder hertraining. Een NeoCognition-agent zou dit wel kunnen, door observatie en experimenteren.
Het bedrijf richt zich op drie gebieden:
- Probleemoplossing in onbekende situaties
- Leren van beperkte voorbeelden
- Aanpassen aan veranderende omstandigheden
Wat dit betekent voor bedrijven
De meeste bedrijven worstelen met AI-implementatie omdat systemen niet meegroeien met veranderende processen. Een AI-tool voor klantenservice werkt goed totdat het bedrijf nieuwe producten lanceert of procedures wijzigt.
NeoCognition's aanpak zou dit probleem kunnen oplossen. Hun agents zouden zich automatisch aanpassen aan nieuwe situaties zonder dat IT-teams ze opnieuw moeten trainen.
Concreet zou dit kunnen betekenen:
- AI-assistenten die nieuwe bedrijfsprocessen leren zonder programmeerwerk
- Automatisering die zich aanpast aan veranderende regelgeving
- Systemen die leren van feedback van werknemers
De uitdagingen van menselijk leren imiteren
Menselijk leren nabootsen klinkt logisch, maar brengt technische problemen met zich mee. Mensen leren inefficiënt. We hebben vaak tientallen voorbeelden nodig om iets onder de knie te krijgen.
Bovendien maken mensen fouten tijdens het leren. Ze trekken verkeerde conclusies of vergeten belangrijke details. AI-systemen die dit gedrag kopiëren zouden dezelfde problemen kunnen hebben.
NeoCognition moet bewijzen dat hun aanpak beter presteert dan bestaande methodes. Tot nu toe hebben ze alleen conceptbewijzen getoond, geen werkende producten.
Concurrentie in de AI-agent markt
NeoCognition concurreert met gevestigde spelers zoals DeepMind en OpenAI. Deze bedrijven werken ook aan adaptieve AI-systemen, maar gebruiken andere methodes.
DeepMind focust op reinforcement learning, waarbij AI leert door beloning en straf. OpenAI onderzoekt hoe grote taalmodellen nieuwe taken kunnen leren met minimale training.
De $40 miljoen investering geeft NeoCognition financiële ruimte om talent aan te trekken en onderzoek te versnellen. Het bedrijf heeft al zes voormalige DeepMind-onderzoekers aangetrokken.
Realistische verwachtingen voor 2024
NeoCognition plant hun eerste productdemo voor eind 2024. Ze richten zich op zakelijke toepassingen, niet op consumentenproducten. Het bedrijf wil aantonen dat hun agents complexe bedrijfstaken kunnen leren en uitvoeren.
De AI-markt is overvol met beloftes over doorbraken. NeoCognition's succes hangt af van tastbare resultaten, niet van technische papers of demonstraties onder laboratoriumomstandigheden.
Bedrijven die interesse hebben in adaptieve AI moeten realistisch blijven. Werkende systemen komen waarschijnlijk pas over twee tot drie jaar beschikbaar.
Concrete impact voor Nederlandse bedrijven
Nederlandse bedrijven zouden baat kunnen hebben bij AI die zich aanpast aan lokale regelgeving en werkwijzen. Traditionele AI-systemen zijn vaak geoptimaliseerd voor Amerikaanse of Chinese markten.
Bedrijven in sectoren met frequent veranderende regels, zoals financiën en zorg, zouden vooral profiteren. Hun AI-systemen zouden automatisch kunnen bijleren als wet- en regelgeving wijzigt.
De investering in NeoCognition toont aan dat grote investeerders geloven in adaptieve AI. Dit trekt meer geld en talent naar dit onderzoeksveld, wat de ontwikkeling versnelt.
