Mākslīgā intelekta (AI) joma pastāvīgi attīstās, un, jo tehnoloģijas attīstās, pētnieki atklāj esošo metožu ierobežojumus. Google DeepMind AI pētniecības laboratorijas izpilddirektors Demis Hassabis ir uzsvēris nepieciešamību pēc fundamentāliem atklājumiem AI pētniecībā, lai sasniegtu jaunas AI spēju “līmeni”. Lai risinātu šos izaicinājumus, bijušais Tesla inženieris Džordžs Morgans ir izveidojis start-up uzņēmumu ar nosaukumu Simbolica AI.
Morgans saprata, strādājot pie Teslas, ka datoru jaudas palielināšana, kas bieži vien ir iecienīta risinājuma metode AI pētniecībā, nav ilgtspējīga ilgtermiņa pieeja. Tā vietā Simbolica AI mērķis ir izstrādāt jaunus modeļus, kas var panākt lielāku precizitāti ar zemākām datu prasībām, samazināt apmācības laiku un izmaksas. Šie modeļi, kas pazīstami kā strukturētā AI, koncentrējas uz datu pamata struktūru kodēšanu, nevis pilnībā atkarīgs no masveida datu kopām.
Simboliskā AI, kas ir strukturēto modeļu pamats, ir pastāvējusi jau desmitiem gadu un balstās uz ideju par zināšanu reprezentēšanu caur simboliem un noteikumu kopām. Atšķirībā no neironu tīkliem, kas balstās uz statistisko tuvināšanu un mācīšanos no piemēriem, simboliskā AI ir balstīta uz noteikumiem, kas manipulē simboliem, lai risinātu konkrētus uzdevumus. Morgans argumentē, ka simboliskā AI piedāvā vairākas priekšrocības, tai skaitā lielāku uzticamību, transparentumu un paskaidrojamību.
Simbolica AI ir izstrādājusi rīkkopu simboliskās AI modeļu izveidei, kas ir speciāli izstrādāta uzdevumiem, piemēram, koda ģenerēšanai un matemātisko teorēmu pierādīšanai. Uzņēmuma 16 cilvēku komanda ir strādājusi neatlaidīgi, lai nodrošinātu modeļus, kas ir sagatavoti šiem uzdevumiem. Lai gan tieši biznesa modelis vēl tiek precizēts, Simboliska AI plāno piedāvāt konsultāciju pakalpojumus un atbalstu uzņēmumiem, kas interesējas par savām tehnoloģijām izstrādātu uz pasūtījumu modeļu veidošanu.
Simboliska AI nesen izgāja no slēptā režīma, saņemot 33 miljonu dolāru ieguldījumu no Khosla Ventures un citiem ievērojamiem investoriem. Vinods Khosla, Khosla Ventures dibinātājs, uzskata, ka Simboliska AI risina būtiskos izaicinājumus AI nozarē un ir pulcējusi augsti kvalificētu komandu.
Tomēr pastāv atšķirīgas viedokļi par simboliskās AI efektivitāti. Kritiķi argumentē, ka simboliskā AI modeļi smagi atkarīgi no labi definētiem un strukturētiem datiem, kas padara tos pakļautus trauslumam un konteksta atkarībai. Nepieciešamo zināšanu definēšana simboliskai AI modeļiem var būt arī darbietilpīgs process. Tomēr daži saredz potenciālu apvienot dziļās mācīšanās un simboliskās pieejas priekšrocības.
Morgans ir pārliecināts, ka Simboliska AI strukturētie AI modeļi piedāvā pievilcīgu alternatīvu esošajiem apmācības metodēm. ņemot vērā pieprasījuma pieaugumu pēc AI, Simboliska AI redz sevi stratēģiski pozicionētu nākotnei. Ar nodrošinātu finansējumu un samērā mazākiem un ekonomiski izdevīgākiem modeļiem Simboliska AI mērķis ir apmierināt uzņēmumu vajadzības, kas vēlas izmantot AI dažādiem mērķiem.
Biežāk uzdotie jautājumi (FAQ)
The source of the article is from the blog radardovalemg.com