35 Grandes Empresas Estatais Testadas: Modelo Mundial de Causalidade Implantado
A empresa chinesa Zhongshu Ruizhi lançou o "AI for Reasoning", um modelo mundial causal que ajuda empresas a tomar decisões em cenários críticos como perfuração de petróleo, energia e finanças. O sistema foi implantado em mais de 35 grandes empresas estatais, cobrindo mais de 800 cenários de negócios e não cometeu nenhum erro de alucinação em mais de 15 mil horas de operação.
A empresa chinesa Zhongshu Ruizhi, fundada em 2020, desenvolveu um modelo causal de mundo para resolver o problema da incapacidade dos sistemas modernos de inteligência artificial de participar em decisões críticas de negócios. Na conferência WAIC, a empresa apresentou o sistema "AI for Reasoning", que inclui o conceito de "metacausalidade" e um motor dinâmico para construção e evolução de relações de causa e efeito. Diferente da abordagem tradicional, baseada em correlação de dados, o modelo utiliza causalidade de negócios e regras mecânicas, permitindo não apenas identificar riscos, mas também prever seu desenvolvimento e as consequências de intervenções. O sistema já está implantado em mais de 35 grandes empresas estatais em setores como petróleo e gás, energia, manufatura e finanças, abrangendo mais de 800 cenários. Por exemplo, em perfuração de petróleo, o modelo alerta sobre emissões e irrupções de gás 15 a 20 minutos antes do acidente, a precisão na identificação da causa raiz de situações complexas é de 94%, e o número de alertas falsos é reduzido em 40%. A empresa também publicou o "White Paper on Causal World Model Technology", detalhando a metodologia: cinco pilares correspondentes a cinco deficiências dos modelos de linguagem atuais — alucinações factuais, foco em descrição sem previsão, falta de dimensão temporal, impossibilidade de verificação prévia e acúmulo de regras. A abordagem da Zhongshu Ruizhi difere da corrente principal, focada em modelos físicos: a empresa enfatiza a causalidade de negócios, em vez de leis físicas, e já alcançou implantação industrial em cenários com tolerância zero a erros.
Fonte: QbitAI 量子位 —
original
