35 suurta valtionyhtiötä testasi: Kausaalimaailman malli käyttöön
Kiinalainen yritys Zhongshu Ruizhi on esitellyt "AI for Reasoning" -kausaalimaailman mallin, joka auttaa yrityksiä päätöksenteossa kriittisissä skenaarioissa, kuten öljynporauksessa, energiantuotannossa ja rahoitusalalla. Järjestelmä on otettu käyttöön yli 35 suuressa valtionyhtiössä, se kattaa yli 800 liiketoimintaskenaariota eikä ole tuottanut yhtäkään hallusinaatiovirhettä 15 000 käyttötunnin aikana.
Kiinalainen vuonna 2020 perustettu Zhongshu Ruizhi on kehittänyt kausaalisen maailmanmallin, joka on suunniteltu ratkaisemaan nykyisten tekoälyjärjestelmien kyvyttömyys osallistua kriittisiin liiketoimintapäätöksiin. WAIC-konferenssissa yritys esitteli "AI for Reasoning" -järjestelmän, joka sisältää "metakausaalisuuden" käsitteen ja dynaamisen moottorin syy-seuraussuhteiden rakentamiseen ja kehittämiseen. Toisin kuin perinteinen, datan korrelaatioon perustuva lähestymistapa, malli käyttää liiketoimintakausaalisuutta ja mekaanisia sääntöjä, mikä mahdollistaa paitsi riskien tunnistamisen, myös niiden kehittymisen ja toimenpiteiden seurausten ennustamisen. Järjestelmä on jo käytössä yli 35 suuressa valtionyhtiössä toimialoilla kuten öljy- ja kaasuteollisuus, energiateollisuus, valmistus ja rahoitus, kattaen yli 800 skenaariota. Esimerkiksi öljynporauksessa malli varoittaa päästöistä ja kaasuläpimurroista 15–20 minuuttia ennen onnettomuutta, monimutkaisten tilanteiden perimmäisen syyn löytämisen tarkkuus on 94 prosenttia ja väärien hälytysten määrä vähenee 40 prosenttia. Yritys on myös julkaissut "Valkoisen kirjan kausaalisten maailmanmallien teknologiasta", jossa se kuvaa yksityiskohtaisesti metodologiaansa: viisi pilaria, jotka vastaavat viittä nykyisten kielimallien puutetta – tosiasiahallusinaatiot, kuvauksen painottaminen ennustamisen sijaan, aikadimension puuttuminen, ennakkotarkistuksen mahdottomuus ja sääntöjen kertyminen. Zhongshu Ruizhin lähestymistapa eroaa valtavirrasta, joka keskittyy fysikaalisiin malleihin: yritys painottaa liiketoimintakausaalisuutta fyysisten lakien sijaan ja on jo saavuttanut teollisen käyttöönoton nollatoleranssin skenaarioissa virheille.
Lähde: QbitAI 量子位 —
Alkuperäinen
