Несмотря на весь прогресс, достигнутый в области искусственного интеллекта, самым гибким и эффективным информационным процессором в мире остается человеческий мозг. Хотя мы можем быстро принимать решения на основе неполной и изменяющейся информации, многие из сегодняшних систем искусственного интеллекта работают только после обучения на хорошо размеченных данных, а когда новая информация доступна, часто требуется полная переподготовка для ее включения.
Теперь стартап Nara Logics, соучредителем которого является выпускник Массачусетского технологического института, пытается вывести искусственный интеллект на новый уровень, более точно имитируя мозг. Механизм искусственного интеллекта компании использует последние открытия в области нейробиологии для воспроизведения структуры и функций мозга на уровне схем.
В результате появилась платформа искусственного интеллекта, обладающая рядом преимуществ по сравнению с традиционными системами на основе нейронных сетей. В то время как другие системы используют тщательно настроенные фиксированные алгоритмы, пользователи могут взаимодействовать с платформой Nara Logics, изменяя переменные и цели для дальнейшего изучения своих данных. Платформа также может начать работу без помеченных данных обучения и может включать новые наборы данных по мере их появления. Возможно, наиболее важно то, что платформа Nara Logics может предоставить причины каждой рекомендации, которую она делает, что является ключевым фактором принятия решений в таких секторах, как здравоохранение.
«Многие наши клиенты из сферы здравоохранения говорят, что у них были системы искусственного интеллекта, которые, например, повышают вероятность повторной госпитализации кого-то, но у них никогда не было таких« но почему?» причины, чтобы знать, что они могут с этим сделать», — говорит генеральный директор Nara Logics Яна Эггерс, которая возглавляет компанию вместе с техническим директором и основателем Натаном Уилсоном, доктором философии.
ИИ Nara Logics в настоящее время используется организациями здравоохранения, потребительскими компаниями, производителями и федеральным правительством для снижения затрат и улучшения взаимодействия с клиентами.
«Это для людей, чьи решения усложняются, потому что добавляется больше факторов [и данных], и для людей, которые по-другому смотрят на сложные решения, потому что доступна новая информация», — говорит Эггерс.
Архитектура платформы является результатом решения Уилсона охватить сложности нейробиологии, а не абстрагироваться от них. Он разработал этот подход более десяти лет, работая в Департаменте мозговых и когнитивных наук Массачусетского технологического института, который долгое время выполнял миссию обратного проектирования человеческого разума.
«В Nara Logics мы думаем, что нейробиология находится на действительно хорошем пути, который приведет к действительно захватывающим способам принятия решений, которых мы раньше не видели», — говорит Уилсон.
Следуя страсти
Уилсон учился в Корнельском университете, чтобы получить степень бакалавра и магистра, но, попав в Массачусетский технологический институт в 2000 году, он остался. В течение пяти лет докторантуры. и семилетний постдок, он создал математические основы для моделирования работы мозга.
«Сообщество Массачусетского технологического института действительно сосредоточено на разработке новых моделей вычислений, выходящих за рамки того, что предлагает информатика», — говорит Уилсон. «Работа связана с информатикой, но также рассматривает то, что делает наш мозг, что может научить нас, как работают компьютеры, или как компьютеры могут работать».
По ночам и в выходные дни в последние годы своего постдока, с 2010 по 2012 год, Уилсон также начал переводить свои алгоритмы в коммерческую систему в работе, которая станет основой Nara Logics. В 2014 году его работа привлекла внимание Эггерса, который руководил рядом успешных предприятий, но был измучен шумихой вокруг искусственного интеллекта .
Эггерс убедился, что движок искусственного интеллекта Nara Logics предлагает лучший способ помочь бизнесу. Уже тогда движок, который компания называет Nara Logics Synaptic Intelligence, обладал свойствами, которые делали его уникальным в этой области.
В механизме объекты в данных о клиентах, такие как пациенты и лечение, организуются в матрицы на основе характеристик, которые они разделяют с другими объектами, в структуре, аналогичной той, что наблюдалась в биологических системах. Отношения между объектами также формируются через ряд локальных функций, которые компания называет правилами синаптического обучения, адаптированными из исследований нейробиологии на основе клеток и цепей.
«Что мы делаем, так это каталогизируем все метаданные, и то, что мы называем нашими коннектомами, входят в базу данных неструктурированных данных и строят ссылки по всему ней, которые связывают эти вещи», — объясняет Уилсон. «Когда у вас есть этот фон, вы можете войти и сказать:« Мне нравится это, это и это », и вы позволите движку обработать данные и дать вам совпадения с этими параметрами. Что вам не нужно было делать, так это Вы не знаете, какой ответ был правильным для множества похожих людей. Вы пропускаете весь этот шаг «.
Каждый объект в Synaptic Intelligence Nara Logics хранит свои свойства и правила локально, что позволяет платформе адаптироваться к новым данным, обновляя только небольшое количество связанных объектов. Считается, что мозг использует восходящий подход.
«Это полностью отличается от глубокого обучения или других подходов, которые просто говорят:« Мы собираемся глобально оптимизировать все, и каждая ячейка делает то, что ей говорит глобальный алгоритм »», — объясняет Уилсон. «Нейробиологи говорят нам, что каждая ячейка принимает решения. в какой-то мере сам по себе «.
Дизайн позволяет пользователям исследовать взаимосвязи в данных, «активируя» определенные объекты или функции и видя, что еще активируется или подавляется.
Чтобы дать ответ, движок Nara Logics активирует только небольшое количество объектов в своем наборе данных. Компания заявляет, что это похоже на «разреженное кодирование», которое, как считается, используется в высших областях мозга, в которых в любой момент активируется лишь небольшое количество нейронов. Принцип разреженного кодирования позволяет компании проследить путь своей платформы и объяснить пользователям причины своих решений.
По мере развития компании Уилсон оставался включенным в исследования сообщества Массачусетского технологического института, а Nara Logics участвовала в акселераторе стартапов STEX25, проводимом в рамках Программы связей с промышленностью Массачусетского технологического института, где, по словам Уилсона, компания установила много контактов, которые превратились в клиентов.
Использование интеллектуального ИИ
Производители уже используют платформу Nara Logics для лучшего понимания данных с устройств Интернета вещей, компании-потребители используют ее для лучшего взаимодействия с клиентами, а группы здравоохранения используют ее для принятия более эффективных решений о лечении.
«Мы сосредоточены на конкретном алгоритме, который является механизмом принятия решений», — говорит Уилсон. «Мы считаем, что это то, что вы можете систематизировать, и мы считаем, что это будет безумно ценно, если вы правильно сделаете этот процесс».
Поскольку COVID-19 разрушил отрасли и подчеркнул необходимость для организаций инвестировать в адаптивные программные инструменты, Nara Logics почти удвоила свою клиентскую базу. Основатели счастливы масштабировать решение, которое, по их мнению, более совместимо и более удобно для людей, чем другие системы искусственного интеллекта.
«Мы думаем, что самое важное отличие, в которое мы вносим свой вклад, — это создание ИИ, в котором люди участвуют, а люди в курсе событий — они осведомлены, понимают и осознают, что он делает», — говорит Уилсон. «Это помогает им принимать более разумные решения каждый день, и в сумме они имеют большое значение».