Memories AI हे वेअरेबल आणि रोबोटिक्ससाठी व्हिज्युअल मेमरी लेयर तयार करत आहे

शॉन शेनचा असा विश्वास आहे की भौतिक जगात यशस्वी होण्यासाठी एआयला काय दिसते ते लक्षात ठेवणे आवश्यक आहे. शेनची कंपनी आठवणी.आई व्हिज्युअल आठवणी लक्षात ठेवण्यास आणि लक्षात ठेवण्यास सक्षम होण्यासाठी वेअरेबल आणि रोबोटिक्ससाठी पायाभूत सुविधा तयार करण्यासाठी Nvidia AI टूल्स वापरत आहे.

Memories.ai ने सोमवारी त्यांच्या GTC परिषदेत अर्धसंवाहक कंपनी Nvidia सोबत सहकार्याची घोषणा केली. या भागीदारीद्वारे, Memories.ai ने व्हिज्युअल मेमरी तंत्रज्ञान विकसित करणे सुरू ठेवण्यासाठी Nvidia चे Cosmos-Reason 2, एक तर्कसंगत दृष्टी लँग्वेज मॉडेल आणि Nvidia Metropolis, व्हिडिओ शोध आणि सारांशासाठी एक अनुप्रयोग वापरते.

शेन (वर डावीकडे चित्रात) यांनी रीडला सांगितले की त्यांना आणि त्यांचे सह-संस्थापक आणि सीटीओ, बेन झोऊ (उजवीकडे चित्रात), मेटाच्या रे-बॅन ग्लासेसच्या मागे एआय सिस्टम तयार करताना कंपनीला ही कल्पना आली. AI चष्मा तयार केल्याने वापरकर्ते रेकॉर्ड करत असलेला व्हिडिओ डेटा आठवू शकत नसतील तर लोक वास्तविक जीवनात तंत्रज्ञान कसे वापरतील याचा त्यांना विचार करायला लावला.

AI साठी अशा प्रकारचे व्हिज्युअल मेमरी सोल्यूशन तयार करणारे कोणीतरी त्यांना सापडते का हे पाहण्यासाठी त्यांनी आजूबाजूला पाहिले. जेव्हा ते करू शकले नाहीत, तेव्हा त्यांनी मेटामधून फिरून ते स्वतः तयार करण्याचा निर्णय घेतला.

“AI आधीच डिजिटल जगात खरोखर चांगले काम करत आहे. भौतिक जगाचे काय?” शेन म्हणाला. “एआय वेअरेबल, रोबोटिक्सला देखील आठवणींची गरज आहे. … शेवटी, तुम्हाला व्हिज्युअल मेमरी असण्यासाठी एआय आवश्यक आहे. आम्हाला त्या भविष्यावर विश्वास आहे.”

AI सिस्टीमची लक्षात ठेवण्याची क्षमता, सर्वसाधारणपणे, तुलनेने नवीन आहे. OpenAI ने 2024 मधील मागील चॅट्स लक्षात ठेवण्यासाठी ChatGPT अपडेट केले आणि 2025 मध्ये ते वैशिष्ट्य चांगले केले. एलोन मस्कच्या xAI आणि Google Gemini ने गेल्या दोन वर्षांत त्यांची स्वतःची मेमरी टूल्स देखील लॉन्च केली आहेत.

परंतु या प्रगतीने मुख्यत्वे मजकूर-आधारित मेमरीवर लक्ष केंद्रित केले आहे, शेन म्हणाले. मजकूर-आधारित मेमरी अधिक संरचित आणि अनुक्रमित करणे सोपे आहे परंतु भौतिक एआय ऍप्लिकेशन्ससाठी उपयुक्त नाही जे मोठ्या प्रमाणावर दृष्टी आणि दृश्याद्वारे जगाशी संवाद साधतात.

Memories.ai 2024 मध्ये लाँच करण्यात आले आणि जुलै 2025 मध्ये $8 दशलक्ष सीड राउंड आणि $8 दशलक्ष विस्ताराद्वारे आतापर्यंत $16 दशलक्ष जमा केले आहेत. या फेरीचे नेतृत्व सुसा व्हेंचर्सने केले होते आणि त्यात सीडकॅम्प, फ्यूजन फंड आणि क्रेन व्हेंचर पार्टनर्स यांचा समावेश होता.

शेन म्हणाले की हा व्हिज्युअल मेमरी लेयर यशस्वीरीत्या तयार करण्यासाठी दोन गोष्टींची आवश्यकता आहे: एम्बेड करण्यासाठी आवश्यक पायाभूत सुविधा तयार करणे आणि व्हिडीओजला डेटा फॉरमॅटमध्ये इंडेक्स करणे जे संग्रहित केले जाऊ शकते आणि परत मागवले जाऊ शकते आणि मॉडेलला असे करण्यासाठी प्रशिक्षित करण्यासाठी आवश्यक डेटा कॅप्चर करणे.

कंपनीने त्याचे लाँच केले जुलै 2025 मध्ये लार्ज व्हिज्युअल मेमरी मॉडेल (LVMM).. च्या लहान आवृत्तीशी तुलना केली जाऊ शकते असे शेन म्हणाले मिथुन एम्बेडिंग 2एक मल्टिमोडल इंडेक्सिंग आणि पुनर्प्राप्ती मॉडेल, जे या महिन्याच्या सुरुवातीला रिलीज झाले होते.

डेटा संकलनासाठी, कंपनीने LUCI, कंपनीच्या “डेटा कलेक्टर्स” द्वारे परिधान केलेले हार्डवेअर उपकरण तयार केले जे मॉडेलला प्रशिक्षण देण्यासाठी वापरलेले व्हिडिओ रेकॉर्ड करते. शेन म्हणाले की त्यांची हार्डवेअर कंपनी बनण्याची किंवा ही उपकरणे विकण्याची योजना नाही, उलट, त्यांनी स्वतःचे बनवले कारण ते ऑफ-द-शेल्फ व्हिडिओ रेकॉर्डरसह समाधानी नव्हते जे हाय-डेफिनिशन आणि बॅटरी-इटिंग व्हिडिओ फॉरमॅटवर लक्ष केंद्रित करतात.

कंपनीने या LVMM ची दुसरी पिढी रिलीज केली आणि स्वाक्षरी केली Qualcomm सह भागीदारी या वर्षाच्या अखेरीस क्वालकॉमच्या प्रोसेसरवर चालण्यासाठी.

Memories.ai आधीच काही मोठ्या परिधान करण्यायोग्य कंपन्यांसह काम करत आहे, शेन म्हणाले, परंतु कोणते हे उघड करण्यास नकार दिला. आता काही मागणी असूनही, शेनला वेअरेबल आणि रोबोटिक्समध्ये अजून मोठ्या संधी दिसत आहेत.

“व्यावसायीकरणाच्या दृष्टीने, आम्ही मॉडेल आणि पायाभूत सुविधांवर अधिक लक्ष केंद्रित करतो, कारण शेवटी आम्हाला असे वाटते की वेअरेबल आणि रोबोटिक्स मार्केट येईल, परंतु हे कदाचित आता नाही,” शेन म्हणाले.