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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。