Wang, de 28 años, llegó a Meta luego de que Zuckerberg adquiriera su empresa de etiquetado de datos para el entrenamiento de la IA, ScaleAI, por 14,300 millones de dólares. Sin embargo, su experiencia contrasta con la de otros investigadores y ejecutivos de renombre que se están uniendo al Meta Superintelligence Labs.
Por ejemplo, Shegjia Zhao, cocreador de ChatGPT, fue nombrado como científico en jefe del laboratorio de superinteligencia, rol donde se encargará de establecer la agenda de investigación y dirección científica de la unidad.
“Estamos realizando importantes inversiones en investigación, productos e infraestructura para desarrollar los productos y servicios de IA más valiosos para las personas”, comentó Zuckerberg en torno a la ola de contrataciones.
Los empleados de Thinking Machines Lab se resisten a Meta
Si bien Meta logró robar talento de OpenAI e incluso Apple, en el caso de TML no ha podido proponer una oferta lo suficientemente atractiva para que los empleados cambien de bando, además de que la empresa se encuentra en un momento de crecimiento.
De hecho, hace un mes se dio a conocer que Meta mantuvo conversaciones para adquirir TML –hizo lo mismo con Safe Superintelligence, de Ilya Sutskever, y con Perplexity–, pero no progresaron a una oferta final en ninguno de los casos.
Por otra parte, a mediados de julio cerró una ronda inicial de 2,000 millones de dólares en donde participaron grandes empresas del sector, como Nvidia, Accel, ServiceNow, Cisco y AMD, entre otras, además de que valoró a la startup en 12,000 millones de dólares.
Este acuerdo marcó una de las mayores rondas de financiación semilla en la historia de Silicon Valley, lo cual demuestra el interés de los inversores por respaldar nuevos y prometedores laboratorios de IA.
Murati dijo que la startup revelará su primer producto en los próximos meses e incluirá un oferta de código abierto, además de que será una herramienta útil para que investigadores y otras startups creen modelos de IA personalizados.
La perspectiva de Murati contraste con las del sector, pues según un reporte de The Information, la startup se especializa en crear soluciones que respondan a los indicadores clave de rendimiento (KPIs) de sus clientes, es decir, permiten que cada organización defina los objetivos y parámetros que guiarán el comportamiento del sistema.
Por otra parte, las propuestas de Zuckerber e incluso la de Sam Altman se basan en crear grandes modelos generales que se asemejen al funcionamiento del cerebro humano, incluso hasta el punto de intentar superarlo para que usuarios y negocios cumplan con determinadas metas.
A pesar de que en este momento Thinking Machines Labs cuenta con menos de un año de existencia, la financiación que consiguió le da dinero suficiente como para invertir en la retención de su talento.
