更接近于大脑的人工智能
利用麻省理工学院多年的认知科学研究,Nara Logics 将有关大脑的发现纳入其 AI 平台。尽管人工智能领域取得了巨大进步,但世界上最灵活、最高效的信息处理器仍然是人脑。尽管我们可以根据不完整和不断变化的信息快速做出决策,但当今的许多人工智能系统只能在经过良好标记的数据训练后才能工作,并且当有新信息可用时,通常需要进行完整的再训练才能将其纳入。
现在,由麻省理工学院校友共同创立的初创公司 Nara Logics 正试图通过更密切地模仿大脑,将人工智能提升到一个新的水平。该公司的 AI 引擎利用神经科学的最新发现在电路层面复制大脑结构和功能。
结果是一个人工智能平台,它比传统的基于神经网络的系统具有许多优势。当其他系统使用精心调整的固定算法时,用户可以与 Nara Logics 的平台进行交互,改变变量和目标以进一步探索他们的数据。该平台还可以在没有标记训练数据的情况下开始工作,并且可以在新数据集可用时合并它们。也许最重要的是,Nara Logics 的平台可以提供其提出的每项建议背后的原因——这是医疗保健等行业采用的关键驱动因素。
“例如,我们的许多医疗保健客户表示,他们已经拥有人工智能系统,可以让某人重新入院的可能性,但他们从未拥有过,‘但是为什么?Nara Logics 首席执行官 Jana Eggers 说,他与 CTO 和创始人 Nathan Wilson 博士 '05 一起领导公司。
Nara Logics 的人工智能目前被医疗保健组织、消费者公司、制造商和联邦政府用于降低成本和更好地与客户互动等事情。
“它适用于那些决策变得复杂的人,因为有更多的因素 [和数据] 被添加,以及那些因为有新的信息可用而以不同的方式看待复杂决策的人,”艾格斯说。
该平台的架构是威尔逊决定接受神经科学的复杂性而不是从它们中抽象出来的结果。他在麻省理工学院脑与认知科学系工作了十多年,开发了这种方法,该系长期以来一直肩负着对人类思维进行逆向工程的使命。
“在 Nara Logics,我们认为神经科学正走在一个非常好的轨道上,这将导致我们以前从未见过的真正令人兴奋的方式做出决策,”威尔逊说。
追随热情
威尔逊在康奈尔大学攻读本科和硕士学位,但在 2000 年进入麻省理工学院后,他就留了下来。在五年博士和七年博士后的过程中,他创建了数学框架来模拟大脑功能。
“麻省理工学院的社区真正专注于提出超越计算机科学所能提供的新计算模型,”威尔逊说。“这项工作与计算机科学有关,但也考虑了我们的大脑正在做什么可以教我们计算机如何工作,或者计算机如何工作。”
在博士后最后几年的晚上和周末,从 2010 年到 2012 年,威尔逊也开始将他的算法转化为一个商业系统,这将成为奈良逻辑的基础。2014 年,他的工作引起了艾格斯的注意,艾格斯领导了许多成功的企业,但对围绕人工智能的炒作感到厌倦。
Eggers 确信 Nara Logics 的 AI 引擎提供了一种卓越的方式来帮助企业。即使在当时,该公司将其称为 Nara Logics Synaptic Intelligence 的引擎也具有使其在该领域独一无二的特性。
在引擎中,客户数据中的对象(例如患者和治疗)根据它们与其他对象共享的特征组织成矩阵,其结构类似于在生物系统中观察到的结构。对象之间的关系还通过一系列被公司称为突触学习规则的本地功能形成,这些功能改编自基于细胞和电路的神经科学研究。
“我们所做的是对所有元数据进行编目,我们称之为 Connectome 的东西进入并挖掘非结构化数据的数据库,并在所有这些数据之间建立链接,”Wilson 解释说。“一旦你有了这个背景,你就可以进去说,'我喜欢这个,这个,和这个,'然后你让引擎处理数据并给你匹配这些参数。您不必做的是对许多类似的人的正确答案有任何概念。你跳过这整个步骤。”
Nara Logics Synaptic Intelligence 中的每个对象都在本地存储其属性和规则,允许平台通过仅更新少量关联对象来适应新数据。自下而上的方法被认为是由大脑使用的。
“这与深度学习或其他方法完全不同,这些方法只是说,'我们将全局优化一切,每个单元都按照全局算法的指示去做,'”威尔逊解释说。“神经科学家告诉我们,每个细胞都在一定程度上自行做出决定。”
该设计允许用户通过“激活”某些对象或特征并查看其他被激活或抑制的内容来探索数据中的关系。
为了给出答案,Nara Logics 的引擎仅激活其数据集中的少量对象。该公司表示,这类似于被认为用于高级大脑区域的“稀疏编码”,其中在任何给定时刻只有少数神经元被激活。稀疏编码原则允许公司追溯其平台的路径,并为用户提供其决策背后的原因。
随着公司的成熟,Wilson 一直参与麻省理工学院社区的研究,Nara Logics 参与了由麻省理工学院工业联络计划运营的 STEX25 启动加速器,Wilson 说公司在该项目中建立了许多已经成为客户的联系人。
利用类似思想的人工智能
制造商已经在使用 Nara Logics 的平台来更好地了解来自物联网设备的数据,消费品公司正在使用它来更好地与客户建立联系,医疗保健团体正在使用它来做出更好的治疗决策。
“我们专注于一种特定的算法,即决策机制,”威尔逊说。“我们相信这是你可以编纂的东西,我们相信如果你能把这个过程做好,它就会非常有价值。”
随着 Covid-19 颠覆行业并强调组织需要投资自适应软件工具,Nara Logics 的客户群几乎翻了一番。创始人很高兴能够扩展他们认为比其他 AI 系统更具协作性和对人类更敏感的解决方案。
“我们认为我们做出的最重要的贡献是构建一个人们参与的人工智能,人们参与其中——他们认知、理解并意识到它在做什么,”威尔逊说。“这有助于他们每天做出更明智的决定,而这些加起来会产生很大的不同。”
标签: