Blog

David Ha

David Ha ist ein in Hongkong geborener kanadischer Informatiker. Er ist Mitbegründer und Forschungsleiter von Sakana AI, einem japanischen KI-Unternehmen, das er im Juni 2023 gemeinsam mit Llion Jones und Ren Ito gründete. Zuvor leitete er Google Brain Tokio und war Forschungsleiter bei Stability AI.

Zusammenfassung

Ha wurde im damals britischen Hongkong geboren und ist kanadischer Staatsbürger. Er erwarb Bachelor- und Masterabschluss an der University of Toronto in Ingenieurwissenschaften und mathematischer Finanzmathematik und promovierte an der Universität Tokio. Vor seinem Wechsel in die KI-Forschung arbeitete er als Derivatehändler und stieg bei Goldman Sachs in Japan bis zum Managing Director auf.

Anschließend wechselte er zu Google, wo er sechs Jahre lang forschte und maßgeblich am Aufbau und der Leitung von Google Brain Tokio beteiligt war. 2022 wurde er Forschungsleiter bei Stability AI, bevor er im Juni 2023 gemeinsam mit seinem früheren Google-Kollegen Llion Jones – einem der Mitautoren des einflussreichen „Attention Is All You Need”-Papers von 2017 – sowie Ren Ito das Unternehmen Sakana AI in Tokio gründete. 2025 wurde er in die Liste der 100 einflussreichsten Menschen der KI-Branche des Time Magazine aufgenommen.

Werdegang

Ha wurde im damals britischen Hongkong geboren und ist kanadischer Staatsbürger. Er erwarb einen Bachelor- und einen Masterabschluss an der University of Toronto in Ingenieurwissenschaften sowie mathematischer Finanzmathematik und promovierte anschließend an der Universität Tokio. Zunächst arbeitete er als Derivatehändler und erreichte bei Goldman Sachs in Japan die Position des Managing Director, bevor er in die KI-Forschung wechselte.

Bei Google forschte er sechs Jahre lang und half beim Aufbau und der Leitung von Google Brain Tokio. 2018 veröffentlichte er gemeinsam mit Jürgen Schmidhuber das Paper „World Models”, das zeigte, wie sich aus komprimierten, unüberwacht gelernten Umgebungsmodellen kompakte Steuerungsstrategien für Reinforcement-Learning-Agenten gewinnen lassen – eine frühe, einflussreiche Arbeit zu dem, was später als „Weltmodelle” zu einem eigenen Forschungsfeld wurde. 2022 wechselte er als Forschungsleiter zu Stability AI. Im Juni 2023 gründete er gemeinsam mit Llion Jones und Ren Ito das Unternehmen Sakana AI.

Sakana AI: Evolution statt reiner Skalierung

Sakana AI, benannt nach dem japanischen Wort für Fisch, verfolgt einen Forschungsansatz, der sich an kollektiver Intelligenz und Evolution in der Natur orientiert – die Vorstellung, dass sich aus einfachen Regeln und dem Zusammenwirken vieler kleinerer Einheiten, wie einem Fischschwarm, ein kohärentes Ganzes bildet. Im Januar 2024 stellte das Unternehmen ein Verfahren vor, mit dem sich neue KI-Modelle durch „Kreuzung” bestehender Modelle erzeugen lassen – ein Ansatz mit deutlich geringerem Rechenaufwand als klassisches Training von Grund auf, den das Unternehmen als Beitrag zur Demokratisierung von KI-Entwicklung positioniert. Zudem entwickelte das Team mit dem „AI Scientist” ein System, das Teile des wissenschaftlichen Forschungsprozesses automatisieren soll.

Sakana AI sammelte in einer Seed-Runde 30 Millionen US-Dollar von Lux Capital und Khosla Ventures ein (Forbes 2024); 2024 folgte eine Serie-A-Runde von rund 200 Millionen US-Dollar mit Beteiligung großer japanischer Finanzinstitute (Mitsubishi UFJ, SMBC, Mizuho) sowie von Itochu, KDDI, Nomura und Nvidia, die das Unternehmen auf eine Bewertung von rund 1,5 Milliarden US-Dollar hob (Nikkei Asia 2024).

Verwandte Begriffe

Quellenangaben

  1. Forbes, 5. September 2024: „Nvidia Joins Japanese Startup Sakana AI’s $100 Million Series A Round”. https://www.forbes.com/sites/zinnialee/2024/09/05/nvidia-joins-japanese-startup-sakana-ais-100-million-series-a-round/
  2. Nikkei Asia, 2024: „Japan’s Sakana AI worth $1.5bn in latest megabank fund raise”. https://asia.nikkei.com/business/technology/artificial-intelligence/japan-s-sakana-ai-worth-1.5bn-in-latest-megabank-fund-raise
  3. arXiv 1803.10122: Ha, D. & Schmidhuber, J., „World Models”, 2018 (per WebFetch eingesehen). https://arxiv.org/abs/1803.10122

← Zurück zur Lexikon-Übersicht