不可能的AI推出“神经符号”人工智能方法
总部位于英国的初创公司Unlikely AI推出了其突破性的“神经符号”人工智能方法，重点关注解决偏见、幻觉和准确性等常见问题。该公司由William Tunstall-Pedoe于2019年创立，他是被亚马逊收购的Evi语音助手背后的智囊，这一收购促成了Alexa的诞生。Unlikely AI已获得2000万美元的种子资金。该公司最近加强了团队，任命了两位重要成员：前Stability AI首席技术官Tom Mason和现任首席行政官Fred Becker。
Unlikely AI的平台将深度学习能力与传统软件方法相结合，以提高可靠性和减少环境影响。Tunstall-Pedoe强调了打造“可靠”AI的重要性，这种AI可以无缝集成各种应用，同时保持精确和透明。
关键要点
- Unlikely AI开创了“神经符号”方法，结合了神经网络和符号AI。
- 该初创公司致力于解决AI的弱点，包括偏见、幻觉和准确性问题。
- 值得注意的是，前Stability AI首席技术官Tom Mason和Fred Becker被任命为Unlikely AI的首席行政官。
- 该公司寻求减少与广泛AI模型相关的环境影响和成本。
- 总部位于伦敦和剑桥的Unlikely AI着眼于重大的AI实施和影响力。
分析
Unlikely AI的神经符号方法有可能重新定义AI的可靠性，影响行业巨头和初创公司。深度学习与传统方法的结合旨在减轻偏见并提高准确性，可能重塑市场动态。从Stability AI和Skype的关键招聘突显了战略扩张，增强了投资者信心和运营效率。在短期内，行业竞争对手可能会采用类似策略，而从长远来看，更广泛的采用可能会重塑AI基准，影响全球科技政策和可持续发展实践。
你知道吗？
- 神经符号AI：
- 结合了神经网络（深度学习）和符号AI（基于规则的系统）。
- 旨在利用两种方法的优势：使用神经网络进行模式识别和数据学习，使用符号AI进行逻辑推理和可解释性。
- 通过将结构化推理与非结构化数据处理相结合，解决常见的AI问题，如偏见和幻觉。
- 基础模型：
- 指在大规模数据集上训练的大型AI模型，能够在不进行特定再训练的情况下执行广泛任务。
- 例子包括GPT-3和BERT，它们在广泛的文本语料库上进行了预训练，适用于多样化的应用。
- Unlikely AI正在考虑是开发其专有的基础模型，还是采用混合策略，平衡统一模型的优势与开源替代方案的灵活性。
- AI的环境影响：
- 大型AI模型，特别是基于深度学习的模型，需要大量的计算资源和能源，导致碳排放。
- Unlikely AI强调减少环境影响，包括优化其模型以提高效率，可能通过更简化的架构或混合方法，减少训练和部署所需的能源密集度。
- 这一考虑反映了科技行业对AI开发和部署可持续性的日益关注。