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
本文探讨了AI发展的未来趋势,详细分析了六条有望实现通用人工智能(AGI)的技术路径。随着生成式AI和大语言模型面临发展瓶颈,业界开始将目光转向其他AI发展方向。这六条路径包括神经符号AI、神经形态AI、具身AI、多智能体AI、以人为中心的AI和量子AI。每种路径都有其独特优势和挑战,可能单独或组合推动AI进入下一个发展阶段,最终实现与人类智能相当的AGI系统。
微软研究院发布突破性多语言AI技术UPDESH,通过"自下而上"数据生成策略,让AI真正理解不同文化背景下的语言表达。该技术基于各语言维基百科内容生成950万个训练数据点,覆盖13种印度语言,显著提升低资源语言AI性能,为构建文化敏感型AI系统提供新路径。
培生公司第三季度销售增长加速,并预示年底表现更强劲,但其AI应用可能是更重要的发展。该公司虚拟学习部门销售额激增17%,学生注册人数攀升。培生运营的在线学校将AI工具嵌入课程材料中,公司表示有越来越多证据显示这些工具帮助学生取得更好成绩。公司推出了AI学习内容组合,包括AI素养模块和融合人工导师与AI学习工具的视频平台。
NVIDIA团队提出RLBFF方法,将AI训练中的复杂评价转化为明确的二元判断标准,解决了传统人类反馈模糊和可验证奖励局限的问题。该方法在多个权威测试中取得突破性成果,其中JudgeBench获得第一名,训练的模型性能媲美知名商业模型但成本仅为其5%,为AI训练领域带来重要方法论创新。