Альтернатива архитектурам нейронных сетей, лежащих в основе моделей ИИ, таких как OpenAI’s o1, приходит в моду. Называемый символическим ИИ, он использует правила, относящиеся к конкретным задачам, например, переписыванию строк текста, для решения более крупных проблем.
Символический ИИ умело справляется с некоторыми проблемами, с которыми борятся нейронные сети. И последние исследования показали, что он может быть масштабируемым. (Исторически символические архитектуры не были вычислительно эффективными.)
Прорывы в масштабируемости стимулировали всплеск стартапов, применяющих символический ИИ в различных областях, например, Orby и TekTonic (которые создают инструменты для автоматизации предприятий), Symbolica и Unlikely AI (основанная соучредителем Alexa Уильямом Тансталл-Педо). Одним из новейших проектов, вышедших из тени, является Augmented Intelligence, поддерживаемый инвесторами, включая бывшего президента IBM Джима Уайтхерста на сумму 44 миллиона долларов.
Augmented Intelligence разрабатывает чат-ИИ, который, как утверждается, является как более предсказуемым, так и «агентичным» — последним модным словом в области ИИ — чем типичная система, основанная на нейронных сетях. Например, вместо простого ответа на вопрос о рейсах в Мексику с инструкциями по бронированию, ИИ Augmented Intelligence может предоставить список тарифов и забронировать рейс для вас, говорит генеральный директор Охад Элхело.
Но подождите — разве ChatGPT не может это уже делать? Да, признает Элхело. Но он утверждает, что для этого требуется больше настройки и ручной интеграции, чем технология Augmented Intelligence.
“Между чатботами, такими как ChatGPT, чья основная цель — общение с пользователем, и разговорными агентами, действующими или работающими от имени компаний, есть большая разница”, — сказал Элхело TechCrunch. “Как только вы подключаете ИИ к инструментам — для получения информации или действий — модель больше не полагается на обучающие данные, и качество интеллекта резко падает”.
...
“Традиционные модели отлично справляются с распознаванием образов и генерацией языка”, — сказал Элхело. “Однако эти архитектуры не справляются в ситуациях, когда модель должна выполнять действия, принимать решения или взаимодействовать с инструментами. Нейросимволическая архитектура Apollo и возможности, которые она открывает для компаний, решают эти проблемы”.
