反直觉的新芯片解决了人工智能的双重陷阱并提高了性能

人工智能初创公司 违反直觉的 正在引领向 “推理原生计算” 旨在使机器超越简单的模仿，进入真正理解的领域。这项突破力求将人工智能从基本的模式识别转变为类似人类的决策系统。

根据 杰拉德·雷戈Counterintuitive 的董事长表示，该行业目前面临着…… “双陷阱”——这是一个根本性问题，它阻碍了最先进的人工智能实现稳定性和真正的智能。

突破精准度瓶颈

第一个“陷阱”在于过时的数学基础。如今的人工智能依赖于…… 浮点运算 最初是为游戏和图形而设计的，缺乏法律和医疗保健等高风险领域所需的精度。

在当前的数值系统中，微小的数学误差会不断累积，最终导致 非决定论——即同一模型对同一查询产生不同的结果。这种缺乏可验证性的情况常常导致“幻觉”，使得人工智能在专业环境中难以审计或信任。

从模仿到记忆

第二个陷阱在于架构。大多数现代人工智能模型都缺乏架构。 长期推理记忆它们的功能就像“打了兴奋剂的预测文本”，预测下一个词元，却不理解做出这种选择的原因。一旦做出决定，推理过程就丢失了。

为了解决这个问题，Counterintuitive 正在开发一种 推理原生计算栈这种新方法的关键特点包括：

• 确定性推理硬件： 解决概率计算中的不一致性问题。
• 因果记忆系统： 允许人工智能保留并发展自身的逻辑。
• 人工智能推理单元（ARU）： 一种全新的计算类别，它直接在硅芯片上执行因果逻辑，突破了传统 GPU 的限制。

“ARU将引领计算的新时代，重新定义智能，从模仿走向理解，”联合创始人表示。 沙姆·阿帕拉这项技术旨在为关键经济部门提供动力，而无需目前所需的大量硬件和能源预算。

通过整合 记忆驱动的因果逻辑Counterintuitive 希望用透明、负责、高效的 AI 系统取代传统的“黑箱”模型。

本文改编自原始报告： Counterintuitive公司的新芯片旨在摆脱人工智能的“双重陷阱” 。