Simular's AI-agent wil jouw Mac en Windows-PC voor je bedienen

Simular, een startup die AI-agents ontwikkelt voor Mac OS en Windows, heeft recentelijk $21,5 miljoen aan Series A-financiering opgehaald, geleid door Felicis, met deelname van NVentures (de investeringsarm van Nvidia), bestaande investeerder South Park Commons en anderen.

Simular is een interessante speler in de wereld van agentic AI, omdat het niet probeert de browser te beheersen, maar de PC zelf. Agentic AI verwijst naar systemen die autonoom complexe taken kunnen uitvoeren met minimale menselijke tussenkomst. "We kunnen letterlijk de muis op het scherm bewegen en klikken. Het is in staat om menselijke activiteiten in de digitale wereld te herhalen," zegt mede-oprichter en CEO Ang Li in een interview met TechCrunch, waarbij hij het voorbeeld geeft van het kopiëren en plakken van gegevens in een spreadsheet.

Op maandag werd de release van versie 1.0 voor Mac OS aangekondigd. Daarnaast werkt het bedrijf samen met Microsoft om een agent voor Windows te ontwikkelen. Simular is een van de vijf agentic bedrijven die zijn toegelaten tot het Windows 365 for Agents-programma, dat Microsoft medio november aankondigde. De andere bedrijven zijn Manus AI, Fellou, Genspark en TinyFish. Wat betreft de tijdlijn voor de Windows-versie was Li vaag, behalve dat hij beloofde dat deze even populair of zelfs populairder zal zijn dan de Mac-versie.

De achtergrond van de oprichters

Een andere reden om Simular in de gaten te houden, is de indrukwekkende achtergrond van de oprichters. Li is een wetenschapper gespecialiseerd in continu leren en heeft eerder bij Google’s DeepMind gewerkt, waar hij zijn mede-oprichter, Jiachen Yang, een specialist in reinforcement learning, ontmoette. Hoewel hun team een aantal onderzoeken heeft gepubliceerd, benadrukt Li dat het werk niet strikt academisch was. Het was bedoeld om de producten van Google te verbeteren, waaronder Waymo.

Technische uitdagingen van agentic AI

Deze achtergrond in AI-productontwikkeling is nuttig, omdat er voor de agentic toekomst waar Silicon Valley van droomt vele technische problemen opgelost moeten worden. Een van de grootste uitdagingen is dat Large Language Models (LLM's) af en toe 'hallucinate', wat betekent dat ze onjuiste of fantasierijke informatie kunnen genereren.

Agentic taken kunnen duizenden tot miljoenen afzonderlijke stappen vereisen. Een hallucinatie op één enkel moment kan al het werk van de agent ongeldig maken, en de kans op hallucinaties neemt statistisch toe naarmate het aantal stappen groeit. Een mogelijke oplossing is om de 'niet-deterministische' LLM 'deterministisch' te maken, wat betekent dat in plaats van de LLM eindeloos creatief te laten zijn, zijn reacties of acties elke keer hetzelfde zijn. Dit kan echter het creatieve probleemoplossend vermogen van een agent beperken.

De oplossing van Simular

Simular combineert beide benaderingen. De agent zal vrijelijk op de taak itereren, waarbij de menselijke gebruiker in de tussentijd kan bijsturen, totdat de agent succesvol is. Zodra de menselijke gebruiker een succesvol verloop heeft vastgesteld, wordt deze workflow vastgelegd, wat het deterministisch en herhaalbaar maakt.

"Onze oplossing is dat agents de succesvolle trajecten blijven verkennen. Zodra je een succesvol traject hebt gevonden, wordt dat deterministisch," aldus Li. Dit stelt gebruikers in staat om op een efficiënte manier taken te voltooien, terwijl de agent blijft leren en zich aanpast aan nieuwe situaties.

Vertaald met ChatGPT gpt-4o-mini