Штучний Інтелект (AI) постійно розвивається, і разом із технологічними досягненнями дослідники виявляють обмеження поточних методів. Деміс Хассабіс, генеральний директор лабораторії штучного інтелекту DeepMind в Google, підкреслив потребу у фундаментальних проривах у дослідженнях AI для досягнення “наступного рівня” можливостей AI. Традиційні підходи, такі як глибоке навчання та генеративні мовні моделі, потребують значних ресурсів і часу для отримання корисних результатів. Щоб вирішити ці виклики, колишній інженер Tesla Джордж Морган заснував стартап під назвою Symbolica AI.
Морган виявив під час своєї роботи в Tesla, що масштабування обчислювальної потужності, яке часто є одним з основних рішень у дослідженнях AI, не є стійким довгостроковим підходом. Замість цього Symbolica AI націлене на розробку нових моделей, які можуть досягати більшої точності з меншими вимогами до даних, скороченим часом навчання та зменшеними витратами. Ці моделі, відомі як структурований AI, фокусуються на кодуванні базової структури даних, а не лише на великих наборах даних.
Symbolic AI, основа структурованих моделей, існує десятиліттями і заснована на ідеї представлення знань через символи та набори правил. На відміну від нейронних мереж, які спираються на статистичні наближення та навчання на прикладах, символічний AI ґрунтується на правилах, які маніпулюють символами для вирішення конкретних завдань. Морган стверджує, що символічний AI має кілька переваг, включаючи більшу надійність, прозорість та пояснюваність.
Symbolica AI розробила набір інструментів для створення символічних AI-моделей, спеціально розроблених для завдань, таких як генерація коду та доведення математичних теорем. 16-члений колектив компанії працював наполегливо, щоб надати моделі, попередньо навчені для цих завдань. Хоча саме бізнес-модель ще уточнюється, Symbolica AI планує надавати консультаційні послуги та підтримку компаніям, що зацікавлені у розробці макетованих моделей з використанням їхньої технології.
Symbolica AI нещодавно вийшла з режиму приховування з $33 мільйонних інвестиційних коштів, очолюваних Khosla Ventures та іншими відомими інвесторами. Вінод Кхосла, засновник Khosla Ventures, вважає, що Symbolica AI бореться з критичними викликами у галузі AI і зібрав дуже кваліфіковану команду.
Однак існують відмінні думки щодо ефективності символьного AI. Критики стверджують, що моделі символьного AI в значній мірі спираються на чітко визначені та структуровані дані, що робить їх схильними до крихкості та контекстуальності. Визначення необхідних знань для моделей символьного AI також може бути витратним процесом праці. Тим не менше, деякі бачать потенціал у поєднанні переваг глибокого навчання та символьних підходів.
Морган впевнений, що структуровані AI-моделі Symbolica AI пропонують перспективну альтернативу поточним методам навчання. Оскільки попит на AI продовжує зростати, Symbolica AI вбачає себе стратегічно розташованою для майбутнього. Забезпечивши фінансування та відносно менші та більш ефективні моделі, Symbolica AI має на меті задовольнити потреби компаній, які прагнуть використовувати AI для різноманітних цілей.
Часті запитання:
Що таке структурований AI?
Структурований AI, також відомий як символьний AI, є галуззю штучного інтелекту, яка акцентується на кодуванні базової структури даних за допомогою символів та правил. На відміну від нейронних мереж, які спираються на статистичні наближення, структурований AI вирішує завдання шляхом маніпулювання символами та наборами правил, спеціально призначеними для конкретних робіт.
В чому відмінність Symbolica AI від традиційних підходів до AI?
Symbolica AI націлене на розробку нових моделей, які досягають кращої точності за меншими вимогами до даних, скороченим часом навчання та зниженими витратами. Традиційні підходи до AI часто обертаються навколо масштабування обчислювальної потужності, але Symbolica AI вважає, що кодування структури даних пропонує більш стійкі та ефективні рішення.
Які потенційні застосування структурних можливостей мислення Symbolica AI?
Структурні можливості мислення Symbolica AI мають величезний комерційний потенціал, особливо в генерації коду. Розсуджуючи над великими кодовими базами та генеруючи корисний код, Symbolica AI пропонує альтернативу існуючій пропозиції, яка може бути недостатньою в цій галузі.
Хто є інвесторами Symbolica AI?
Symbolica AI забезпечила $33 млн інвестицій, очолюваних Khosla Ventures, з участю інвесторів, таких як Abstract Ventures, Buckley Ventures, Day One Ventures та General Catalyst.
Джерела:
Додаткова інформація про галузь, прогнози ринку та проблеми, пов’язані з галуззю або продуктом:
Індустрія штучного інтелекту (AI) в останні роки пережила значний ріст з найрізноманітнішими застосуваннями в різних секторах. Згідно з звітом Grand View Research, глобальний ринок штучного інтелекту в 2020 році був оцінений у розмірі $62,35 млрд і очікується, що він зросте з темпом річного зростання на складному рівні 42,2% від 2021 до 2028 року. Цей ріст зумовлений чинниками, такими як зростання у використанні технологій AI у таких галузях, як охорона здоров’я, фінанси та автомобільна промисловість, а також удосконалення алгоритмів машинного навчання та обробки природної мови.
Незважаючи на прогрес у дослідженнях AI, існують виклики та обмеження, які потрібно вирішувати. Одним з ключових проблем є велика залежність від великих наборів даних для навчання глибоких моделей навчання. Потреба в величезних обсягах даних може бути бар’єром, особливо в галузях, де збір даних є складним або обмеженим. Фокус Symbolica AI на розробці структурованих AI-моделей, які потребують менше даних, може допомогти подолати це виклик і зробити AI більш доступним для різноманітних застосувань.
Іншим викликом у галузі AI є відсутність прозорості та пояснюваності у системах штучного інтелекту. Моделі глибокого навчання часто працюють як “чорні скриньки”, що ускладнює розуміння того, як вони прийшли до певного рішення чи прогнозу. Символьний AI, з акцентом на набори правил та символьну маніпуляцію, пропонує потенційні переваги у відношенні до надійності, прозорості та пояснюваності. Це може бути особливо важливо в чутливих галузях, таких як охорона здоров’я чи фінанси, де довіра та інтерпретованість є важливими.
Поєднання підходів глибокого навчання та символьного AI також має потенціал для вирішення обмежень обох методів. Глибоке навчання відмінно впорається з розпізнаванням патернів та обробкою неструктурованих даних, тоді як символьний AI надає більш логічний та дедуктивний підхід до мислення. Інтегруючи ці два підходи, дослідники та розробники штучного інтелекту можуть розробити більш міцні та гнучкі моделі AI, які зможуть впоратися з широким спектром завдань та типів даних.
У цілому, галузь AI продовжує розвиватися, дослідники та стартапи, такі як Symbolica AI, розширюють межі того, що можливо. По мірі того, як технології розвиватимуться та здійснюватимуться нові прориви, потенціал для трансформації галузей та надання значної
The source of the article is from the blog windowsvistamagazine.es