Dirbtinio intelekto pradedančioji įmonė „Counterintuitive“ pasiryžo sukurti „samprotavimo kompiuteriją“, leidžiančią mašinoms suprasti, o ne tiesiog imituoti. Toks proveržis gali pakeisti AI nuo modelio atpažinimo prie tikro supratimo, atveriant kelią sistemoms, kurios gali mąstyti ir priimti sprendimus, kitaip tariant, tapti „panašesnėmis į žmones“.
Prieštaringas pirmininkas Gerardas Rego kalbėjo apie tai, ką bendrovė vadina „dvynių spąstų“ problema, su kuria susiduria AI, ir pareiškė, kad pirmasis bendrovės tikslas yra išspręsti dvi pagrindines problemas, ribojančias dabartines AI sistemas, kurios neleidžia net didžiausioms AI sistemoms būti stabilioms, efektyvioms ir tikrai protingoms.
Pirmieji spąstai parodo, kaip šiuolaikinėms AI sistemoms trūksta patikimų, atkuriamų skaitinių pagrindų, nes jos buvo sukurtos remiantis pasenusiais matematiniais pagrindais. Pavyzdžiai apima slankiojo kablelio aritmetiką, kuri buvo sukurta prieš dešimtmečius, kad būtų galima greitai atlikti užduotis, įskaitant žaidimus ir grafiką. Todėl trūksta tikslumo ir nuoseklumo.
Skaitmeninėse sistemose kiekviena matematinė operacija sukelia mažas apvalinimo klaidas, kurios laikui bėgant gali susidaryti. Dėl šios priežasties du kartus paleidus tą patį AI modelį galima gauti skirtingus rezultatus, o tai sukelia nedeterminizmą. Dėl tokio pobūdžio nenuoseklumo sunku patikrinti, atkurti ir (arba) audituoti AI sprendimus, ypač tokiose srityse kaip teisė, finansai ir sveikatos priežiūra. Jei dirbtinio intelekto išvesties neįmanoma aiškiai paaiškinti ar įrodyti, jos tampa „haliucinacijomis“ – terminu, pavadintu „įrodomumo stoka“.
Šiuolaikinis AI iš esmės kovoja su tikslumu, kuriam trūksta tiesos, sukuriant nematomą sieną. Trūkumas tapo griežta riba, paveikdama bendrą našumą, padidindama išlaidas ir eikvojanti energiją triukšmo korekcijai.
Šiuolaikinis AI kovoja su tikslumu, kuriam trūksta tiesos, sukurdamas nematomą sieną. Trūkumas virto griežta riba, turinčia įtakos našumui, didinant sąnaudas ir eikvojančią energiją skaičiavimo triukšmo korekcijoms.
Antroji spąstai yra architektūroje. Dabartiniai AI modeliai neturi atminties. Vietoj to, jie nuspėja kitą kadrą arba žetoną be jokių argumentų, padėjusių jiems pasiekti prognozę. Tai tarsi nuspėjamasis tekstas, tik vartojant steroidus, teigia bendrovė. Kai šiuolaikiniai modeliai kažką pateikia, jie neišsaugo, kodėl priėmė tokį sprendimą, ir negali persvarstyti ar remtis savo samprotavimais. Gali atrodyti, kad dirbtinis intelektas turi pagrindo, bet jis tik imituoja samprotavimus, iš tikrųjų nesupranta, kaip daromos išvados.
„Counterintuitive“ kuria pasaulinio lygio matematikų, kompiuterių mokslininkų, fizikų ir inžinierių komandą, kuri yra pirmaujančių pasaulinių tyrimų laboratorijų ir technologijų kompanijų veteranai ir supranta „Twin Trap“ pagrindą ir ją išsprendžia“, – sakė Rego.
Rego komanda turi daugiau nei 80 laukiančių patentų, apimančių deterministinio samprotavimo aparatinę įrangą, priežastinės atminties sistemas ir programinės įrangos sistemas, kurios, jos manymu, gali „apibūdinti naujos kartos skaičiavimus remiantis samprotavimais, o ne mimika“.
„Counterintuitive“ samprotavimo kompiuterinių tyrimų tikslas – sukurti pirmąjį samprotavimo lustą ir programinės įrangos samprotavimo rinkinį, kuris išstumia dirbtinį intelektą už dabartinių ribų.
Įmonės dirbtinis samprotavimo vienetas (ARU) yra naujo tipo skaičiavimas, o ne procesorius, kuris daugiausia dėmesio skiria atmintimi pagrįstam samprotavimui ir, skirtingai nei GPU, vykdo priežastinę logiką silicyje. „Mūsų ARU krūva yra daugiau nei kuriama nauja lustų kategorija – tai aiškus pertrauka nuo tikimybinio skaičiavimo“, – sakė „Counterintuitive“ vienas iš įkūrėjų Syam Appala.
„ARU pradės kitą skaičiavimo amžių, iš naujo apibrėždama intelektą nuo imitacijos iki supratimo ir programų, turinčių įtakos svarbiausiems ekonomikos sektoriams, supratimu ir maitinimu, nereikalaujant didžiulių techninės įrangos, duomenų centrų ir energijos biudžetų.
Integruodama atmintimi pagrįstą priežastinę logiką į aparatinę ir programinę įrangą, „Counterintuitive“ siekia sukurti patikimesnes ir labiau audituojamas sistemas. Tai rodo perėjimą nuo tradicinių į greitį orientuotų, tikimybinių AI juodosios dėžės modelių prie skaidresnių ir atskaitingesnių samprotavimų.
(Vaizdo šaltinis: blaahhi „Abacus“ yra licencijuotas pagal CC BY 2.0.)
Norite daugiau sužinoti apie AI ir didelius duomenis iš pramonės lyderių? Peržiūrėkite „AI & Big Data Expo“, vykstančią Amsterdame, Kalifornijoje ir Londone. Išsamus renginys yra TechEx dalis ir vyksta kartu su kitais pagrindiniais technologijų renginiais. Norėdami gauti daugiau informacijos, spustelėkite čia.
AI naujienas teikia TechForge Media. Čia rasite kitus būsimus įmonių technologijų renginius ir internetinius seminarus.
