Umjetna inteligencija (AI) stalno se razvija, a s napretkom tehnologije istraživači otkrivaju ograničenja trenutnih metoda. Demis Hassabis, izvršni direktor Googleovog laboratorija za istraživanje AI-a DeepMind, naglasio je potrebu za temeljnim napretkom u istraživanju AI-a kako bi se postigao “sljedeći nivo” mogućnosti AI-a. Tradicionalni pristupi, poput dubokog učenja i generativnih jezičnih modela, zahtijevaju značajne resurse i vrijeme za proizvodnju korisnih rezultata. Kako bi riješili ove izazove, bivši inženjer iz Tesle George Morgan osnovao je startup nazvan Symbolica AI.
Morgan je shvatio tijekom svog vremena u Tesli da povećanje računalne snage, što je često rješenje u istraživanju AI-a, nije održiv dugoročni pristup. Umjesto toga, Symbolica AI ima za cilj razviti nove modele koji mogu postići veću točnost uz manje zahtjeve za podacima, smanjeno vrijeme obuke i niže troškove. Ti modeli, poznati kao strukturirana AI, usredotočuju se na kodiranje temeljne strukture podataka umjesto da se oslanjaju isključivo na masovne skupove podataka.
Simbolička AI, temelj strukturiranih modela, prisutna je već desetljećima i utemeljena je na ideji predstavljanja znanja kroz simbole i skupove pravila. Za razliku od neuronskih mreža, koje se oslanjaju na statističku aproksimaciju i učenje iz primjera, simbolička AI temelji se na pravilima koja manipuliraju simbolima kako bi riješila određene zadatke. Morgan tvrdi da simbolička AI nudi nekoliko prednosti, uključujući veću pouzdanost, transparentnost i objašnjivost.
Symbolica AI razvila je komplet alata za stvaranje simboličkih AI modela, posebno dizajniran za zadatke poput generiranja koda i dokazivanja matematičkih teorema. Tvrtkin tim od 16 ljudi marljivo radi na pružanju prethodno obučenih modela za ove zadatke. Iako se točan poslovni model još utvrđuje, Symbolica AI planira pružati usluge savjetovanja i podrške tvrtkama zainteresiranim za izgradnju posebnih modela koristeći njihovu tehnologiju.
Symbolica AI nedavno je izašla iz prikrivenog načina rada s investicijom od 33 milijuna dolara predvođenom Khosla Ventures i drugim značajnim ulagačima. Vinod Khosla, osnivač Khosla Ventures-a, vjeruje da Symbolica AI obrađuje ključne izazove u industriji AI-a i okupio je visoko stručan tim.
Iako postoje različita mišljenja o učinkovitosti simboličke AI. Kritičari tvrde da simbolički AI modeli snažno ovise o dobro definiranim i strukturiranim podacima, čineći ih sklonim krhkosti i ovisnosti o kontekstu. Definiranje potrebitog znanja za simboličke AI modele također može biti proces koji zahtijeva puno rada. Ipak, neki vide potencijal u kombiniranju prednosti dubokog učenja i simboličkih pristupa.
Morgan je siguran da strukturirani AI modeli tvrtke Symbolica AI nude obećavajuću alternativu trenutnim metodama obuke. S rastućom potražnjom za AI-jem, Symbolica AI smatra da je strateški pozicionirana za budućnost. Sa osiguranim sredstvima i relativno manjim i učinkovitijim modelima, Symbolica AI cilja zadovoljiti potrebe tvrtki koje žele iskoristiti AI za različite svrhe.
FAQ:
1. Što je strukturirana AI?
Strukturirana AI, također poznata kao simbolička AI, grana je umjetne inteligencije koja se fokusira na kodiranje temeljne strukture podataka koristeći simbole i pravila. Za razliku od neuronskih mreža, koje se oslanjaju na statističku aproksimaciju, strukturirana AI rješava zadatke putem manipulacije simbolima i skupovima pravila posvećenim određenim zadacima.
2. Kako se Symbolica AI razlikuje od tradicionalnih pristupa AI-ju?
Symbolica AI ima za cilj razviti nove modele koji postižu veću točnost uz manje zahtjeve za podacima, smanjeno vrijeme obuke i niže troškove. Tradicionalni pristupi AI-u često se okreću povećanju računalne snage, ali Symbolica AI smatra da kodiranje strukture podataka nudi održivije i učinkovitije rješenja.
3. Koje su potencijalne primjene strukturnih sposobnosti zaključivanja Symbolica AI-a?
Strukturne sposobnosti zaključivanja Symbolica AI-a imaju ogromne komercijalne primjene, posebno u generiranju koda. Razmišljanjem o velikim kôdovima i generiranjem korisnih kodova, Symbolica AI nudi alternativu postojećim ponudama koje bi mogle zakačiti u ovom području.
4. Tko su investitori Symbolica AI-a?
Symbolica AI je osigurala investiciju od 33 milijuna dolara predvođenu Khosla Ventures-om, s sudjelovanjem investitora poput Abstract Ventures-a, Buckley Ventures-a, Day One Ventures-a i General Catalyst-a.
Izvori:
– TechCrunch
Dodatne informacije o industriji, prognozama tržišta i problemima povezanim s industrijom ili proizvodom:
Industrija umjetne inteligencije (AI) doživjela je značajan rast proteklih godina, s raznolikim primjenama u različitim sektorima. Prema izvješću Grand View Research-a, globalna veličina tržišta AI-a iznosila je 62,35 milijardi dolara 2020. godine i očekuje se da će rasti po stopi od 42,2% godišnje od 2021. do 2028. godine. Taj rast pokreću faktori kao što su sve veća usvajanje AI tehnologije u industrijama poput zdravstva, financija i automobilske industrije, kao i napredak u algoritmima strojnog učenja i obradi prirodnih jezika.
Međutim, unatoč napretku u istraživanju AI-a, još uvijek postoje izazovi i ograničenja koja treba riješiti. Jedan od ključnih problema je velika ovisnost o velikim skupovima podataka za obuku modela dubokog učenja. Potreba za ogromnim količinama podataka može biti prepreka, posebno u područjima gdje je prikupljanje podataka složeno ili ograničeno. Fokus Symbolica AI-a na razvoj strukturiranih AI modela koji zahtijevaju manje podataka mogao bi pomoći u savladavanju tog izazova i učiniti AI dostupnijim za širi spektar primjena.
Još jedan izazov u industriji AI-a je nedostatak transparentnosti i objašnjivosti u AI sustavima. Modeli dubokog učenja često rade kao “crne kutije”, što otežava razumijevanje kako su došli do određene odluke ili predikcije. Simbolička AI, s naglaskom na skupovima pravila i simboličkoj manipulaciji, nudi potencijalne prednosti u smislu pouzdanosti, transparentnosti i objašnjivosti. To bi moglo biti posebno važno u osjetljivim područjima poput zdravstva ili financija, gdje su povjerenje i interpretabilnost ključni.
Kombiniranje pristupa dubokog učenja i simboličke AI također obećava u rješavanju ograničenja oba pristupa. Duboko učenje odlično prepoznaje obrasce i rukovanje neustrukturiranim podacima, dok simbolička AI pruža logičniji i deduktivni pristup zaključivanju. Integriranjem ova dva pristupa, istraživači i razvijatelji AI-a mogli bi razviti robusnije i fleksibilnije modele AI-a koji mogu rukovati širim spektrom zadataka i vrsta podataka.
Ukupno gledano, industrija AI-a nastavlja se mijenjati, s istraživačima i startupima poput Symbolica AI koji guraju granice onoga što je moguće. Kako tehnologija napreduje i rade se nove inovacije, potencijal za transformaciju industrija i donošenje značajnih promjena prikazujući se sve više.
The source of the article is from the blog elperiodicodearanjuez.es