人工智能初创公司Counterintuitive Corp.今日正式发布,该公司致力于构建所谓的推理原生计算架构,其使命是通过开发专为推理而非模仿设计的芯片和软件来重新定义AI。
这家初创公司旨在通过一种名为人工推理单元的新型计算架构来克服AI的"双重陷阱"——有精度无真理和有推理无记忆。
Counterintuitive试图解决的问题是,现代AI运行在20世纪90年代为图像和游戏构建的浮点运算基础上,其数值基础是为性能而非可重现性设计的。据该公司称,每次运算都会引入舍入漂移和顺序差异,这意味着相同的计算在不同运行或不同机器上可能产生不同结果。这创造了一种隐藏的不稳定性,导致非确定性,进而破坏了关键应用的可审计性和可信度。
"有精度无真理"问题已成为Counterintuitive所说的"现代AI的隐形墙",这堵墙无法通过任何规模的扩展来打破。
另一个问题是有推理无记忆,即当前AI模型是无记忆的,在预测下一个Token或帧时不保留导致该结果的推理过程。每个输出都会覆盖自身的逻辑,产生流畅的逻辑模仿而非真正的理解。
该公司表示:"这两个陷阱是为什么即使是最大的AI系统也缺乏可重现性、能耗密集、需要大量资本和训练且无法推理的原因。"
相比之下,Counterintuitive的推理原生计算研究承诺通过提供推理芯片和软件推理堆栈来消除这些陷阱,从而推动AI超越当前限制。
该公司提出的人工推理单元是一类新的计算设备,而非处理器,旨在成为世界上第一款推理芯片,专为确定性、记忆驱动的推理而原生架构。ARU开创了后浮点图形处理单元时代的计算。与GPU不同,ARU设计用于直接在硅片中执行因果逻辑、记忆谱系和可验证推导。
ARU配备全栈推理软件,该软件设计用于将硬件和软件集成到统一的因果推理框架中。
Counterintuitive联合创始人Syam Appala解释说:"我们的ARU堆栈不仅仅是正在开发的新芯片类别,它是对概率计算的彻底突破。ARU将开创计算的下一个时代,将智能从模仿重新定义为理解,为影响经济最关键部门的应用提供动力,而无需大量硬件、数据中心和能源预算。基于智能推理的新时代即将到来。"
Q&A
Q1:什么是人工推理单元ARU?它与GPU有什么区别?
A:人工推理单元ARU是Counterintuitive公司开发的新型计算设备,专为确定性、记忆驱动的推理而设计。与GPU不同,ARU能够直接在硅片中执行因果逻辑、记忆谱系和可验证推导,旨在成为世界上第一款真正的推理芯片。
Q2:AI的"双重陷阱"具体指什么问题?
A:"双重陷阱"指的是有精度无真理和有推理无记忆两个问题。前者是指现代AI基于浮点运算会产生舍入漂移,导致相同计算在不同环境下产生不同结果;后者是指AI模型无记忆,不保留推理过程,只能产生逻辑模仿而非真正理解。
Q3:推理原生计算架构能解决哪些当前AI的局限性?
A:推理原生计算架构能解决当前AI系统缺乏可重现性、能耗密集、需要大量资本和训练资源以及无法真正推理等问题。通过ARU芯片和全栈推理软件,该架构承诺将AI从模仿转向真正的理解和推理。
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
哈佛、MIT联合研究揭示人类语言理解的神经机制,发现大脑通过"信息出口"将语言从核心系统传递至专业脑区实现深度理解。研究提出浅层与深层理解的区别,为人工智能发展提供重要启示,表明真正智能需要多系统协作而非单一优化。该发现可能改变我们对语言认知的理解。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
腾讯混元等团队开发出革命性的AI视频生成自我评判系统PAVRM和训练方法PRFL,让AI能在创作过程中实时评估和改进视频质量,无需等到完成才反馈。该技术使视频动态表现提升56%,人体结构准确性提升21.5%,训练效率提升1.4倍,为AI视频生成质量带来质的飞跃。