Aether AI: reescribiendo las reglas de la inteligencia incorporada con causalidad
Mientras la industria de IA incorporada invierte miles de millones en modelos VLA y mundiales, un pequeño equipo de investigadores en San Diego está tomando un enfoque fundamentalmente diferente, poniendo la causalidad en el núcleo arquitectónico de la inteligencia.
Aether AI, fundada por la profesora asistente de UC San Diego, Dra. Biwei Huang, ha recaudado $20 millones en financiación inicial liderada por Matrix Partners.
El problema con los enfoques actuales
Huang critica duramente el enfoque dominante de VLA: "Los modelos VLA memorizan patrones que aparecieron en los datos de entrenamiento. Si la mesa es dos centímetros más alta, el robot podría fallar por completo".
El stack causal de cuatro capas
La pila tecnológica de Aether AI consta de cuatro capas:
- Causation Transformer: aprendizaje causal a nivel arquitectónico
- Arquitectura Modular: módulos correspondientes a mecanismos causales distintos
- Modelo Mundial Causal: simula intervenciones y razonamiento contrafactual
- Agente Impulsado por Causalidad: planificación y ajuste basados en comprensión causal
Avance en rendimiento
En evaluaciones internas, el modelo demostró una mejora del 25-50% en la tasa de éxito y una eficiencia de muestra 5-10 veces mayor en comparación con los modelos mundiales tradicionales.
