Magic, ein Start-up-Unternehmen, das eine Plattform zur Codegenerierung entwickelt, die Copilot von GitHub ähnelt, gab heute bekannt, dass es in einer Finanzierungsrunde der Serie A unter der Leitung von Alphabets CapitalG unter Beteiligung von Elad Gil, Nat Friedman und Amplify Partners 23 Millionen US-Dollar gesammelt hat. Also, was ist seine Geschichte?
Der CEO und Mitbegründer von Magic, Eric Steinberger, sagt, dass er schon in jungen Jahren vom Potenzial der KI inspiriert wurde. In der High School verkabelten er und seine Freunde die Computer der Schule für das Training von maschinellen Lernalgorithmen, eine Erfahrung, die den Grundstein für Steinbergers Informatikabschluss und seinen Job bei Meta als KI-Forscher legte.
„Ich habe Jahre damit verbracht, mögliche Wege zu erkunden Künstliche allgemeine Intelligenz, und dann wurden große Sprachmodelle (LLMs) erfunden“, sagte Steinberger in einem E-Mail-Interview mit TechCrunch. „Mir wurde klar, dass die Kombination von LLMs, die auf Code trainiert wurden, mit meiner Forschung zu neuronalem Gedächtnis und verstärktem Lernen es uns ermöglichen könnte, einen KI-Softwareentwickler aufzubauen, der sich wie ein echter Kollege und nicht nur wie ein Werkzeug anfühlt. Dies wäre für Unternehmen und Entwickler außerordentlich nützlich.“
Steinberger hat sich mit Sebastian De Ro zusammengetan, um Magic zu gründen, ein KI-gesteuertes Tool, das Softwareentwicklern beim Schreiben, Überprüfen, Debuggen und Planen von Codeänderungen helfen soll. Das Tool, das noch nicht allgemein verfügbar ist, kann in natürlicher Sprache „kommunizieren“ und mit Benutzern an Codeänderungen zusammenarbeiten, behauptet Steinberger – und arbeitet wie ein Programmiererpaar, das in der Lage ist, den Kontext von Codierungsprojekten und Entwicklern zu verstehen und kontinuierlich mehr darüber zu lernen.
„Magic zielt darauf ab, den zeitlichen und finanziellen Aufwand für die Entwicklung von Software drastisch zu reduzieren“, sagte Steinberger. „Teams Zugang zu einem KI-Kollegen zu geben, der Legacy-Code verstehen und neuen Entwicklern bei der Navigation helfen kann, wird es Unternehmen ermöglichen, die Auswirkungen ihrer derzeitigen Mitarbeiter zu skalieren und neue Mitarbeiter mit weniger persönlichem Coaching zu schulen. Im Gegenzug werden die Mitarbeiter ihre Fähigkeiten schneller erweitern und sich mit größerer Agilität zwischen Projekten mit großer Wirkung bewegen können.“
Steinberger verrät noch nicht viel über die technischen Grundlagen von Magic – was es offen gesagt schwierig macht, das Tool mit der Konkurrenz zu vergleichen. Der Elefant im Raum ist der oben erwähnte Copilot, der auf öffentlichen Code trainiert wurde, um zusätzliche Codezeilen als Reaktion auf eine Beschreibung dessen, was ein Entwickler erreichen möchte, vorzuschlagen – oder sogar zu erklären, was ein Teil des Codes tut.
Steinberger verspricht, dass Magic dank einer „neuen neuronalen Netzwerkarchitektur, die 100-mal mehr Codezeilen lesen kann als Transformers“ in der Lage sein wird, dasselbe – und mehr – zu tun. (Der von Google-Forschern entwickelte Transformer ist derzeit vielleicht die beliebteste Architektur für Aufgaben in natürlicher Sprache und demonstriert nicht nur die Fähigkeit, Code zu generieren, sondern auch Dokumente zusammenzufassen, zwischen Sprachen zu übersetzen und sogar biologische Sequenzen zu analysieren.) Aber ohne Demo , wir haben nur sein Wort, um weiterzumachen.
„Frühe Veröffentlichungen erfordern menschliche Überwachung, aber unser ultimatives Ziel ist es, dass die KI große Aufgaben zuverlässig für Sie durchgängig und ohne Babysitting erledigt“, fügte Steinberger hinzu.
Das vielleicht größere, existenziellere Problem für Magic ist, dass Copilot bereits eine große Fangemeinde hat – und eine beträchtliche Unterstützung durch Unternehmen. Es wurde von über 1,2 Millionen Menschen verwendet, und GitHub positioniert es offensiv als Tool für Unternehmen und hat kürzlich einen unternehmensorientierten Plan namens Copilot for Business eingeführt.
Die Traktion von Copilot könnte zum Untergang von Kite beigetragen haben, einem Startup, das einen KI-gestützten Codierungsassistenten entwickelte, der dem von Magic nicht unähnlich war. Trotz der Sicherung von Millionen an VC-Unterstützung kämpfte Kite damit, die Rechnungen zu bezahlen, und stieß auf Gegenwind, der es unmöglich machte, ein passendes Produkt für den Markt zu finden. Das Training von KI ist notorisch teuer; Kite-Gründer Adam Smith schätzte, dass es über 100 Millionen US-Dollar kosten könnte, ein Tool in „Produktionsqualität“ zu entwickeln, das Code zuverlässig synthetisieren kann.
„Innerhalb der KI im weiteren Sinne bleibt das Training modernster Modelle teuer“, räumte Steinberger ein. „Das legt die Messlatte für Neueinsteiger wie uns höher.“
Auch rechtliche Probleme könnten dem Erfolg von Magic im Wege stehen – obwohl einige noch vor Gericht geklärt werden müssen. Wie die meisten KI-gestützten Codegenerierungssysteme wurde Magic mit öffentlich verfügbarem Code trainiert, von dem einige urheberrechtlich geschützt sind. Das Unternehmen argumentiert, dass Fair Use – die Doktrin im US-Recht, die die Verwendung von urheberrechtlich geschütztem Material erlaubt, ohne zuerst die Erlaubnis des Rechteinhabers einholen zu müssen – es für den Fall schützt, dass Copilot wissentlich oder unwissentlich gegen urheberrechtlich geschützten Code entwickelt wurde. Aber nicht alle sind einverstanden. Microsoft, GitHub und OpenAI werden verklagt in einer Sammelklage, in der sie beschuldigt werden, gegen das Urheberrecht verstoßen zu haben, indem sie Copilot erlaubt haben, Teile des lizenzierten Codes ohne Angabe von Quellen wiederzukäuen.
Einige Rechtsexperten haben auch argumentiert, dass KI-gestützte Codierungssysteme Unternehmen gefährden könnten, wenn sie unwissentlich urheberrechtlich geschützte Vorschläge aus dem Tool in ihre Produktionssoftware integrieren würden.
Auf diese Fragen antwortete Steinberger, dass Magic Schritte ergreift, um zu verhindern, dass urheberrechtlich geschützter Code in den Vorschlägen des Tools auftaucht, und gibt, wo möglich, die Quelle des vorgeschlagenen Codes an. (GitHub hat ähnliche Schritte mit Copilot unternommen, seine Ausgabe in einigen Fällen gefiltert und mit Code- und Projektzitaten experimentiert.) Steinberger sagt, dass Kundendaten nicht für Magics proprietäres KI-Training gefegt werden – mit Ausnahme von „personalisierten Systemen“, die von einzelnen Kunden verwendet werden .
„Wir werden mit einer Funktion starten, die potenzielle Lizenzprobleme mit generiertem Code anzeigt, um dem Benutzer zu helfen, eine fundierte Entscheidung darüber zu treffen, was damit zu tun ist“, sagte er und verdeutlichte den früheren Punkt.
Steinberger argumentiert, dass Tools wie Magic – und Konkurrenten wie Tabnine, Mutable und Mintlify sowie Open-Source-Projekte wie BigCode – in jedem Fall ein Nettogut für Entwickler und ihre Arbeitgeber sind. Er verwies auf Statistiken, die das belegen qualifizierte Software-Ingenieure – wer sind immer schwerer zu bekommen – rund 150.000 US-Dollar pro Jahr (und mehr) kosten und dass Teams mehr als 25 % ihrer Zeit aufwenden integrieren und pflegen ihre Entwicklungs-Toolchains.
Wahrscheinlich werden nicht alle Programmierer zustimmen, insbesondere diejenigen, die von den jüngsten Massenentlassungen in der Technologiebranche betroffen sind. Aber wie Steinberger feststellt, gibt es ein „enormes“ Maß an Aufregung über – und Investitionen in – generative KI. Es ist klar, dass es hier bleiben wird, mit anderen Worten, zum Guten oder zum Schlechten.
„Die Softwareindustrie hat einen nie endenden Hunger nach mehr Talenten. Jedes Unternehmen und jedes Produkt würde von mehr und besserer Software profitieren, die schneller und billiger geliefert wird“, sagte Steinberger. „Selbst mit all den Entwicklungstools, die uns heute zur Verfügung stehen, wird die Leistung durch das menschliche Denken, Tippen und die Kommunikationsgeschwindigkeit begrenzt. Wenn Teams Zugang zu einem KI-Kollegen erhalten, der Legacy-Code verstehen und neuen Entwicklern bei der Navigation helfen kann, können Unternehmen die Auswirkungen ihrer derzeitigen Mitarbeiter skalieren und neue Mitarbeiter mit weniger persönlichem Coaching schulen. Im Gegenzug werden die Mitarbeiter ihre Fähigkeiten schneller erweitern und sich mit größerer Agilität zwischen Projekten mit großer Wirkung bewegen können.“
Magic, das mit einer verteilten Belegschaft von sechs Mitarbeitern vor dem Umsatz steht, plant, sein Produkt in naher Zukunft auf den Markt zu bringen – Steinberger wollte nicht genau sagen, wann. Das kurzfristige Ziel (dh innerhalb des nächsten Jahres) ist es, das Team auf 25 Mitarbeiter zu vergrößern, mit Schwerpunkt auf den Bereichen Technik, Produkt und Markteinführung.
Bis heute hat Magic 28 Millionen US-Dollar gesammelt.