AI స్టార్టప్ కంపెనీ, వ్యతిరేకత“రీజనింగ్-నేటివ్ కంప్యూటింగ్”ను రూపొందించడానికి బయలుదేరింది, యంత్రాలు కేవలం అనుకరించడం కంటే అర్థం చేసుకోవడానికి వీలు కల్పిస్తుంది. అటువంటి పురోగతి AIని నమూనా గుర్తింపు నుండి నిజమైన గ్రహణశక్తికి మార్చగల సామర్థ్యాన్ని కలిగి ఉంది, ఆలోచించి నిర్ణయాలు తీసుకోగల వ్యవస్థలకు మార్గం సుగమం చేస్తుంది – మరో మాటలో చెప్పాలంటే, మరింత “మానవ-లాగా” ఉంటుంది.
కౌంటర్ఇన్ట్యూటివ్ ఛైర్మన్, గెరార్డ్ రెగో, AI ఎదుర్కొంటున్న ‘ట్విన్ ట్రాప్’ సమస్యను కంపెనీ పరిగణిస్తున్న దాని గురించి మాట్లాడుతూ, అతిపెద్ద AI సిస్టమ్లను కూడా స్థిరంగా, సమర్ధవంతంగా మరియు నిజమైన తెలివితేటలతో నిరోధించే ప్రస్తుత AI సిస్టమ్లను పరిమితం చేసే రెండు కీలక సమస్యలను పరిష్కరించడం కంపెనీ యొక్క మొదటి లక్ష్యం అని పేర్కొంది.
కాలం చెల్లిన గణిత శాస్త్ర ప్రాతిపదికన నిర్మించబడిన నేటి AI వ్యవస్థలు విశ్వసనీయమైన, పునరుత్పాదక సంఖ్యాపరమైన పునాదులను ఎలా కలిగి లేవని మొదటి ఉచ్చు హైలైట్ చేస్తుంది. గేమింగ్ మరియు గ్రాఫిక్స్తో సహా టాస్క్లలో వేగం కోసం దశాబ్దాల క్రితం రూపొందించబడిన ఫ్లోటింగ్ పాయింట్ అంకగణితం ఉదాహరణలు. కాబట్టి ఖచ్చితత్వం మరియు స్థిరత్వం లోపించింది.
సంఖ్యా వ్యవస్థలలో, ప్రతి గణిత శాస్త్ర ఆపరేషన్ కాలక్రమేణా ఏర్పడే చిన్న రౌండింగ్ లోపాలను పరిచయం చేస్తుంది. దీని కారణంగా, ఒకే AI మోడల్ను రెండుసార్లు అమలు చేయడం వలన భిన్నమైన ఫలితాలను అందించవచ్చు, దీని వలన నిర్ణయాత్మకత లేదు. ఈ స్వభావం యొక్క అస్థిరత AI నిర్ణయాలను ధృవీకరించడం, పునరుత్పత్తి చేయడం మరియు/లేదా ఆడిట్ చేయడం కష్టతరం చేస్తుంది, ముఖ్యంగా చట్టం, ఆర్థిక మరియు ఆరోగ్య సంరక్షణ వంటి రంగాలలో. AI అవుట్పుట్లను వివరించలేకపోతే లేదా స్పష్టంగా నిరూపించలేకపోతే, అవి ‘భ్రాంతులు’గా మారతాయి – ఈ పదం వాటి “నిరూపణ లేకపోవడం” కోసం రూపొందించబడింది.
ఆధునిక AI సత్యం లేని ఖచ్చితత్వంతో ప్రాథమిక పోరాటాన్ని కలిగి ఉంది, అదృశ్య గోడను సృష్టిస్తుంది. లోపం ఒక కఠినమైన పరిమితిగా మారింది, ఇది మొత్తం పనితీరును ప్రభావితం చేస్తుంది, ఖర్చులను పెంచుతుంది మరియు శబ్దం దిద్దుబాట్లలో శక్తిని వృధా చేస్తుంది.
ఆధునిక AI సత్యం లేని ఖచ్చితత్వంతో పోరాడుతుంది, అదృశ్య గోడను సృష్టిస్తుంది. లోపం కఠినమైన పరిమితిగా మారింది, పనితీరును ప్రభావితం చేస్తుంది, ఖర్చులు పెరుగుతాయి మరియు గణన శబ్ద సవరణలపై శక్తిని వృధా చేస్తుంది.
రెండవ ఉచ్చు వాస్తుశాస్త్రంలో కనిపిస్తుంది. ప్రస్తుత AI మోడల్లకు మెమరీ లేదు. బదులుగా, వారు అంచనాను సాధించడంలో సహాయపడే తార్కికం లేకుండా తదుపరి ఫ్రేమ్ లేదా టోకెన్ను అంచనా వేస్తారు. ఇది కేవలం స్టెరాయిడ్స్పై ప్రిడిక్టివ్ టెక్స్ట్ లాంటిదని కంపెనీ తెలిపింది. ఆధునిక నమూనాలు ఏదైనా అవుట్పుట్ చేసిన తర్వాత, వారు అలాంటి నిర్ణయం ఎందుకు తీసుకున్నారో వారు నిలుపుకోలేరు మరియు వారి స్వంత తార్కికతను పునఃపరిశీలించలేరు లేదా నిర్మించలేరు. AIకి కారణం ఉన్నట్లు కనిపించవచ్చు, కానీ ఇది తార్కికతను మాత్రమే అనుకరిస్తుంది, నిర్ధారణలు ఎలా చేరుకుంటాయో నిజంగా అర్థం కాలేదు.
“కౌంటర్ఇన్ట్యూటివ్ గణిత శాస్త్రజ్ఞులు, కంప్యూటర్ శాస్త్రవేత్తలు, భౌతిక శాస్త్రవేత్తలు మరియు ఇంజనీర్లతో కూడిన ప్రపంచ స్థాయి బృందాన్ని నిర్మిస్తోంది, వీరు ప్రముఖ గ్లోబల్ రీసెర్చ్ ల్యాబ్లు మరియు టెక్నాలజీ కంపెనీల అనుభవజ్ఞులు మరియు ట్విన్ ట్రాప్ను ప్రాథమికంగా అర్థం చేసుకుని దానిని పరిష్కరించగలరు” అని రెగో చెప్పారు.
రెగో బృందం 80 కంటే ఎక్కువ పేటెంట్లను పెండింగ్లో కలిగి ఉంది, నిర్ణయాత్మక తార్కిక హార్డ్వేర్, కారణ మెమరీ సిస్టమ్లు మరియు సాఫ్ట్వేర్ ఫ్రేమ్వర్క్లు విస్తరించి ఉన్నాయి, ఇవి “తర్వాత తరం కంప్యూటింగ్ను తార్కికం ఆధారంగా నిర్వచించగలవు – మిమిక్రీ కాదు” అని విశ్వసిస్తున్నాయి.
Counterintuitive యొక్క రీజనింగ్-నేటివ్ కంప్యూటింగ్ రీసెర్చ్ మొదటి రీజనింగ్ చిప్ మరియు సాఫ్ట్వేర్ రీజనింగ్ స్టాక్ను ఉత్పత్తి చేయడం లక్ష్యంగా పెట్టుకుంది, ఇది AIని దాని ప్రస్తుత పరిమితులకు మించి నెట్టివేస్తుంది.
సంస్థ యొక్క ఆర్టిఫిషియల్ రీజనింగ్ యూనిట్ (ARU) అనేది ప్రాసెసర్ కాకుండా కొత్త రకం కంప్యూట్, ఇది GPUల వలె కాకుండా మెమరీ-ఆధారిత తార్కికంపై దృష్టి సారిస్తుంది మరియు సిలికాన్లో కారణ తర్కాన్ని అమలు చేస్తుంది. “మా ARU స్టాక్ అభివృద్ధి చేయబడిన కొత్త చిప్ వర్గం కంటే ఎక్కువ – ఇది సంభావ్య కంప్యూటింగ్ నుండి ఒక క్లీన్ బ్రేక్,” అని కౌంటర్ఇన్ట్యూటివ్ సహ వ్యవస్థాపకుడు, శ్యామ్ అప్పాల అన్నారు.
“ARU భారీ హార్డ్వేర్, డేటా సెంటర్ మరియు ఎనర్జీ బడ్జెట్ల అవసరం లేకుండా ఆర్థిక వ్యవస్థలోని అత్యంత ముఖ్యమైన రంగాలపై ప్రభావం చూపే అప్లికేషన్లను అనుకరణ నుండి అర్థం చేసుకోవడం మరియు శక్తివంతం చేయడం వరకు మేధస్సును పునర్నిర్వచించడం ద్వారా కంప్యూటింగ్ యొక్క తదుపరి యుగానికి నాంది పలుకుతుంది.”
హార్డ్వేర్ మరియు సాఫ్ట్వేర్ రెండింటిలో మెమరీ-ఆధారిత కారణ తర్కాన్ని ఏకీకృతం చేయడం ద్వారా, కౌంటర్ఇన్ట్యూటివ్ మరింత విశ్వసనీయమైన మరియు ఆడిట్ చేయగల సిస్టమ్లను అభివృద్ధి చేయడానికి లక్ష్యంగా పెట్టుకుంది. ఇది సాంప్రదాయ స్పీడ్-ఫోకస్డ్, ప్రాబబిలిస్టిక్ AI బ్లాక్-బాక్స్ మోడల్ల నుండి మరింత పారదర్శక మరియు జవాబుదారీ తర్కం వైపు మారడాన్ని సూచిస్తుంది.
(చిత్ర మూలం: blaahhi ద్వారా “అబాకస్” CC BY 2.0 ప్రకారం లైసెన్స్ పొందింది.)
పరిశ్రమ ప్రముఖుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండి AI & బిగ్ డేటా ఎక్స్పో ఆమ్స్టర్డామ్, కాలిఫోర్నియా మరియు లండన్లో జరుగుతున్నాయి. సమగ్ర కార్యక్రమం ఇందులో భాగమే టెక్ఎక్స్ మరియు ఇతర ప్రముఖ సాంకేతిక ఈవెంట్లతో కలిసి ఉంది. క్లిక్ చేయండి ఇక్కడ మరింత సమాచారం కోసం.
AI వార్తలు ఆధారితం టెక్ఫోర్జ్ మీడియా. రాబోయే ఇతర ఎంటర్ప్రైజ్ టెక్నాలజీ ఈవెంట్లు మరియు వెబ్నార్లను అన్వేషించండి ఇక్కడ.
