Umetna inteligenca (AI) se nenehno razvija, in ko tehnologija napreduje, raziskovalci odkrivajo omejitve sedanjih metod. Demis Hassabis, izvršni direktor DeepMind AI laboratorija pri Googlu, je poudaril potrebo po temeljnih prebojih v raziskavah umetne inteligence za doseganje “naslednje ravni” zmogljivosti AI. Tradicionalni pristopi, kot sta globoko učenje in generativni jezikovni modeli, zahtevajo znatne vire in čas za proizvodnjo uporabnih rezultatov. Da bi se soočili s temi izzivi, je nekdanji inženir pri Tesli George Morgan ustanovil startup s imenom Symbolica AI.
Morgan je med svojim časom pri Tesli ugotovil, da povečevanje računske moči, ki je pogosto rešitev v raziskavah AI, ni trajnostni pristop na dolgi rok. Namesto tega Symbolica AI razvija nove modele, ki lahko dosežejo večjo natančnost z manjšimi zahtevami po podatkih, zmanjšanim časom za usposabljanje in nižjimi stroški. Ti modeli, imenovani strukturirana AI, se osredotočajo na kodiranje osnovne strukture podatkov namesto na popolno zanašanje na velike zbirke podatkov.
Kot temelj strukturiranih modelov je bila že desetletja prisotna simbolna AI, ki temelji na ideji, da se znanje predstavlja prek simbolov in nizov pravil. Za razliko od nevronskih mrež, ki temeljijo na statistični približnosti in učenju iz primerov, temelji simbolna AI na pravilih, ki manipulirajo simbole za reševanje določenih nalog. Morgan trdi, da simbolna AI ponuja več prednosti, vključno z večjo zanesljivostjo, preglednostjo in razložljivostjo.
Symbolica AI je razvila komplet orodij za ustvarjanje simbolnih AI modelov, namenjenih za naloge, kot sta generiranje kode in dokazovanje matematičnih izrekov. 16-članska ekipa podjetja zavzeto dela, da zagotovi modele, ki so predhodno usposobljeni za te naloge. Čeprav natančen poslovni model še ni določen, načrtuje Symbolica AI ponudbo svetovalnih storitev in podpore za podjetja, ki jih zanima gradnja unikatnih modelov s pomočjo njihove tehnologije.
Symbolica AI se je nedavno pojavila iz stealth načina in prejela 33 milijonov dolarjev vlaganj, ki jih je vodil Khosla Ventures in drugi opazni vlagatelji. Vinod Khosla, ustanovitelj Khosla Ventures, verjame, da se Symbolica AI sooča s ključnimi izzivi v industriji AI in je združila visoko usposobljeno ekipo.
Vendar obstajajo različna mnenja o učinkovitosti simbolne AI. Kritiki trdijo, da se modeli simbolne AI močno zanašajo na dobro definirane in strukturirane podatke, kar jih naredi dovzetne za krhkost in odvisnost od konteksta. Določitev potrebnega znanja za modele simbolne AI lahko prav tako zahteva veliko dela. Kljub temu nekateri vidijo potencial v združevanju prednosti globokega učenja in simbolnih pristopov.
Morgan je prepričan, da ponujeni strukturirani modeli AI od Symbolica AI predstavljajo obetavno alternativo trenutnim metodam usposabljanja. S povečevanjem povpraševanja po AI vidi Symbolica AI sebe strateško pozicionirano za prihodnost. S pridobljenimi sredstvi in relativno manjšimi ter učinkovitimi modeli si Symbolica AI prizadeva zadovoljiti potrebe podjetij, ki želijo izkoristiti AI za različne namene.
Pogosta vprašanja:
Kaj je strukturirana AI?
Strukturirana AI, znana tudi kot simbolna AI, je veja umetne inteligence, ki se osredotoča na kodiranje osnovne strukture podatkov s pomočjo simbolov in pravil. Za razliko od nevronskih mrež, ki se zanašajo na statistično približevanje, strukturirana AI rešuje naloge prek manipulacije simbolov in nizov pravil, namenjenih določenim nalogam.
Kako se Symbolica AI razlikuje od tradicionalnih pristopov k AI?
Symbolica AI si prizadeva razviti nove modele, ki dosegajo boljšo natančnost z manjšimi zahtevami po podatkih, zmanjšanim časom za usposabljanje in nižjimi stroški. Tradicionalni pristopi k AI se pogosto vrtijo okoli povečevanja računske moči, vendar Symbolica AI verjame, da kodiranje strukture podatkov nudi bolj trajnostne in učinkovite rešitve.
Kakšne so potencialne aplikacije strukturiranih razmišljalnih sposobnosti Symbolica AI?
Strukturirane razmišljalne sposobnosti Symbolica AI imajo izjemne komercialne aplikacije, zlasti pri generiranju kode. S premišljevanjem prek obsežnih zbirk kode in ustvarjanjem uporabne kode ponuja Symbolica AI alternativo obstoječim ponudbam, ki lahko na tem področju zmanjšajo svoje pomanjkljivosti.
Kdo so investitorji v Symbolica AI?
Symbolica AI je prejela 33 milijonov dolarjev vlaganj, ki jih je vodil Khosla Ventures, s sodelovanjem vlagateljev, kot so Abstract Ventures, Buckley Ventures, Day One Ventures in General Catalyst.
Viri:
– TechCrunch (techcrunch.com)
Dodatne informacije o industriji, napovedih trga in težavah, povezanih z industrijo ali izdelkom:
Industrija umetne inteligence (AI) je v zadnjih letih doživela znaten razvoj, z raznovrstnimi aplikacijami v različnih sektorjih. Po poročilu podjetja Grand View Research je bila globalna velikost trga AI ocenjena na 62,35 milijarde dolarjev leta 2020 in se pričakuje, da bo rasla s sestavnim letnim odstotkom 42,2% od leta 2021 do 2028. Ta rast je posledica dejavnikov, kot sta vedno večje sprejemanje tehnologije AI v industrijah, kot so zdravstvo, finance in avtomobilizem, ter napredki v algoritmih strojnega učenja in obdelavi naravnega jezika.
Kljub napredku v raziskavah AI so še vedno izzivi in omejitve, ki jih je treba nasloviti. Eden glavnih problemov je močno zanašanje na velike zbirke podatkov za usposabljanje modelov globokih učenj. Potreba po ogromnih količinah podatkov lahko predstavlja oviro, zlasti v domenah, kjer je zbiranje podatkov kompleksno ali omejeno. Osredotočenost Symbolica AI na razvijanje strukturiranih modelov AI, ki zahtevajo manjše količine podatkov, bi lahko pomagala premagati to oviro in naredila AI dostopnejšo za širši nabor aplikacij.
Druga težava v industriji AI je pomanjkanje preglednosti in razložljivosti v AI sistemih. Modeli globokih učenj pogosto delujejo kot “črne škatle”, kar otežuje razumevanje, kako so prišli do določene odločitve ali napovedi. Simbolna AI, s poudarkom na nizih pravil in simbolni manipulaciji, ponuja potencialne prednosti v smislu zanesljivosti, preglednosti in razložljivosti. To bi lahko bilo še posebej pomembno v občutljivih domenah, kot sta zdravstvo ali finance, kjer sta zaupanje in interpretabilnost ključna.
Združevanje pristopov globokega učenja in simbolne AI prav tako obeta rešitev za naslavljanje omejitev obeh metod. Globoko učenje se izkaže pri prepoznavanju vzorcev in obdelavi neurejenih podatkov, simbolna AI pa ponuja bolj logičen in deduktiven pristop k razmišljanju. Z integracijo teh dveh pristopov bi lahko raziskovalci in razvijalci AI razvili bolj robustne in prilagodljive modele AI, ki bi lahko obvladovali širši spekter nalog in vrst podatkov.
Na splošno se industrija AI še naprej razvija, pri čemer raziskovalci in startupi, kot je Symbolica AI, potiskajo meje mogočega. Z napredovanjem tehnologije in novimi dosežki je potencial za spremembe v industriji in ustvarjanje pomembnega.
The source of the article is from the blog klikeri.rs