Стартап в области искусственного интеллекта Symbolica запускает инновационный подход
Стартап Symbolica, работающий в сфере ИИ, официально запустился сегодня, представив свою революционную методологию создания AI-моделей. Используя продвинутую математику, компания стремится обеспечить системам способности к человеческому рассуждению и повысить прозрачность. Миссия Symbolica заключается в том, чтобы уйти от "алхимии" существующих технологий ИИ к более научной и надежной основе.
В рамках своего запуска Symbolica объявила о привлечении 33 миллиона долларов финансирования (включая раунды Series A и seed), возглавляемого Khosla Ventures, с участием Day One Ventures, General Catalyst, Abstract Ventures и Buckley Ventures.
Революционная перспектива в развитии ИИ
"Мы создаем не просто модель; наша цель — разработка структуры для генерации архитектур, которые превосходят текущие достижения," — заявил Джордж Морган, основатель и генеральный директор Symbolica, в интервью СМИ. Морган, ранее старший инженер автопилота в Tesla, основал компанию вместе с командой докторов наук, экспертов в области машинного обучения и инженеров из ведущих технологических организаций, включая Tesla, Neuralink и ClearML. Кроме того, Symbolica получает консультативную помощь от Стивена Вольфрама, создателя WolframAlpha и Mathematica.
Трансформация исследований в области ИИ с помощью теории категорий
В основе подхода Symbolica лежит "теория категорий" — раздел математики, который определяет математические структуры и их взаимосвязи. Встраивая ИИ в эту строгую структуру, Symbolica стремится разрабатывать модели, обладающие способностями к рассуждению, в отличие от моделей, которые просто возникают в результате обширного обучения на данных.
Морган проводит параллели с открытием лекарств, подчеркивая важность научной строгости: "Как вы бы не смешивали химические вещества для создания лекарства без научного обоснования, так и ИИ не должен основываться на случайных данных. Отсутствие такой основы приводит к моделям ИИ, которые функционируют как черные ящики, не давая представления о своих внутренних процессах."
Повышение интерпретируемости в моделях ИИ
Миссия Symbolica включает в себя разоружение черного ящика моделей ИИ, что позволяет лучше их интерпретировать. "Если мы можем четко сформулировать архитектуру, мы можем объяснить, что она обучает и как работает, открывая путь к улучшенной интерпретируемости в системах ИИ," — пояснил Морган. Поскольку ИИ играет все более важные роли в критических секторах, таких как здравоохранение и финансы, интерпретируемость становится ключевой для эффективного регулирования и ответственности.
Symbolica также обещает системы ИИ, способные выполнять сложные задачи рассуждений с значительно меньшими объемами данных и вычислительных ресурсов по сравнению с традиционными моделями. "Архитектура, созданная для рассуждений, требует гораздо меньше данных для достижения уровней производительности, сопоставимых с менее структурированными моделями," — отметил Морган.
Путь к разумным машинам
Если Symbolica добьется успеха, она может изменить ландшафт ИИ в разных отраслях, позволяя машинам решать когнитивные задачи, традиционно отведенные человеку. Однако этот путь полон трудностей. Установление всеобъемлющей математической основы для ИИ значительно сложнее, чем просто настройка существующих моделей, как показывают конкуренты, такие как OpenAI, Anthropic, Google и Meta.
Тем не менее, уникальная перспектива Symbolica начинает привлекать внимание в сообществе исследователей ИИ. Компания недавно совместно с Google DeepMind опубликовала статью о "категориальном глубоким обучении", демонстрируя, как её методология может превзойти установленные подходы в геометрическом глубоком обучении.
Строгость и интерпретируемость Symbolica могут вызвать интерес у корпоративных клиентов, особенно в строго регулируемых секторах, а также у государственных структур, стремящихся ответственно разрабатывать и управлять продвинутыми инструментами ИИ. Если Symbolica успешно соединит теорию с реальным применением, она сможет значительно извлечь выгоду из быстро растущего рынка корпоративного ИИ, который, по прогнозам, превысит 270 миллиардов долларов к 2032 году.
С философской точки зрения, стремление Symbolica к созданию истинного машинного рассуждения — за пределами простой распознаваемости паттернов — может стать важным шагом к искусственному общему интеллекту, теоретической концепции ИИ-систем, имитирующих когнитивные способности человека.
Будущее ИИ: уравновешенный подход
Путь к разумным машинам труден. Однако, ставя во главу угла структурированный и дисциплинированный подход вместо хаотичных методов, присущих современному ИИ, Symbolica, возможно, закладывает основу для трансформационных достижений. Как отметил Морган, "Наше внимание к встроенной структуре в наши модели позволяет нам создавать более компактные и эффективные архитектуры без необходимости в масштабных вычислительных ресурсах."
В области, где размер часто затмевает суть, Symbolica ставит на то, что структурированный подход может принести значительные преимущества.
Рейтинг
