人工智慧初創公司 Symbolica 以創新方法崛起
Symbolica，一家創新的人工智慧初創公司，今日正式推出，其革命性的AI模型建構方法引起廣泛關注。利用先進的數學理論，該公司致力於提供具人類思考能力和更高透明度的系統。Symbolica的使命是擺脫當前AI技術的「煉金術」，朝著更加科學化和堅實的基礎邁進。
伴隨著啟動儀式，Symbolica 宣佈已獲得3300萬美元的資金（包括A輪和種子輪），由 Khosla Ventures 領投，並獲得 Day One Ventures、General Catalyst、Abstract Ventures 和 Buckley Ventures 的參與。
對AI開發的革命性視角
在媒體採訪中，Symbolica的創辦人兼首席執行官 George Morgan 表示：「我們不僅僅是在建立一個模型；我們的重點是在創造一個生成架構的框架，超越目前的可達水平。」Morgan曾是特斯拉的高級自動駕駛工程師，他與來自特斯拉、Neuralink和 ClearML的數位博士生數學家、機器學習專家和工程師共同創建了公司。Symbolica 也得到 WolframAlpha 和 Mathematica 創始人 Stephen Wolfram 的指導。
以範疇理論轉變AI研究
Symbolica的核心方法是「範疇理論」，這是一門定義數學結構及其相互關係的數學領域。通過將AI嵌入這一嚴謹的框架中，Symbolica旨在開發天生具有推理能力的模型，而不僅僅是基於大量數據訓練而形成的模型。Morgan以藥物發現為例，強調科學嚴謹性的重要性：「就像你不會隨意混合化學物質來製造藥物一樣，AI也必須以科學基礎為依據。缺乏這一基礎導致AI模型如同黑箱，無法揭示其內部運作。」
提升AI模型可解釋性
Symbolica的任務還包括闡明AI模型的黑箱，促進更好的可解釋性。Morgan解釋道：「如果我們能清楚地說明一個架構，我們就能明確它學習的內容及運行方式，為AI系統的可解釋性鋪平道路。」隨著AI在醫療及金融等關鍵領域扮演越來越重要的角色，可解釋性成為有效監管和問責的必要條件。
Symbolica還承諾其AI系統能以顯著少量的數據和計算能力執行複雜的推理任務。「為推理而設計的架構，所需數據遠少於傳統模型以達到相當的性能水平。」Morgan指出。
邁向推理機器的道路
如果成功，Symbolica可能會重塑各行各業的AI格局，使機器能夠處理傳統上僅限於人類的認知任務。然而，這一過程充滿挑戰。建立全面的數學框架以支撐AI，雖然困難重重，但卻遠比調整現有模型複雜，這在OpenAI、Anthropic、Google和Meta等競爭對手中表現得尤為明顯。
儘管如此，Symbolica的獨特視角在AI研究社群中逐漸獲得認可。該公司最近與Google DeepMind共同撰寫了一篇關於「範疇深度學習」的論文，展示了其方法優於傳統幾何深度學習的能力。
Symbolica對嚴謹性和可解釋性的強調，可能在高度監管的行業中與企業客戶產生強烈共鳴，也吸引政府機構負責任地部署和管理先進AI工具。如果Symbolica能成功將理論與實際應用連接起來，將可能在預計到2032年超過2700億美元的企業AI市場中佔據一席之地。
在哲學層面上，Symbolica追求真正機器推理的努力——超越僅僅是模式識別——可能代表著邁向人工通用智能的重要進展，即AI系統模擬人類認知能力的理論概念。
AI的未來：均衡的方法
通往推理機器的道路雖充滿挑戰，但通過優先考慮結構化和有條理的方法而非當前AI技術的混亂方式，Symbolica或許正在為變革性進步鋪平道路。正如Morgan所說：「我們專注於將結構嵌入模型，這使我們能夠創建更小、更高效的架構，而無需依賴龐大的計算資源。」在一個規模通常掩蓋實質的領域，Symbolica寄望透過結構化方法實現深遠的利益。
排行榜
