Công ty khởi nghiệp về AI, Counterintuitive, đã bắt tay vào xây dựng “điện toán gốc lý luận,” giúp máy móc hiểu thay vì chỉ đơn thuần bắt chước. Bước đột phá như vậy có tiềm năng chuyển đổi AI từ nhận dạng mẫu sang hiểu biết thực sự, mở đường cho các hệ thống có thể tư duy và đưa ra quyết định – nói cách khác, trở nên “giống con người hơn.”

Chủ tịch Counterintuitive, Gerard Rego, đã nói về cái mà công ty gọi là vấn đề ‘bẫy kép’ mà AI đang đối mặt, cho biết mục tiêu đầu tiên của công ty là giải quyết hai vấn đề then chốt hạn chế các hệ thống AI hiện tại, ngăn cản ngay cả những hệ thống AI lớn nhất đạt được sự ổn định, hiệu quả và thông minh thực sự.

Cái bẫy thứ nhất chỉ ra rằng các hệ thống AI ngày nay thiếu nền tảng số đáng tin cậy, có thể tái tạo, do được xây dựng trên các cơ sở toán học lỗi thời. Các ví dụ bao gồm số học dấu phẩy động được thiết kế từ nhiều thập kỷ trước để tăng tốc độ trong các tác vụ như chơi game và đồ họa. Do đó, độ chính xác và tính nhất quán còn thiếu.

Trong các hệ thống số, mỗi phép toán đều tạo ra các lỗi làm tròn nhỏ có thể tích lũy theo thời gian. Vì lý do này, việc chạy cùng một mô hình AI hai lần có thể cho ra các kết quả khác nhau, gây ra tính không xác định. Sự thiếu nhất quán này khiến việc xác minh, tái tạo và/hoặc kiểm tra các quyết định của AI trở nên khó khăn hơn, đặc biệt trong các lĩnh vực như luật pháp, tài chính và y tế. Nếu đầu ra của AI không thể được giải thích hoặc chứng minh rõ ràng, chúng sẽ trở thành ‘ảo giác’ – một thuật ngữ được đặt ra cho “sự thiếu khả năng chứng minh” của chúng.

AI hiện đại có một cuộc đấu tranh cơ bản với độ chính xác thiếu tính xác thực, tạo ra một bức tường vô hình. Lỗi này đã trở thành một giới hạn cứng nhắc, ảnh hưởng đến hiệu suất tổng thể, tăng chi phí và lãng phí năng lượng vào việc sửa lỗi nhiễu.

AI hiện đại gặp khó khăn với độ chính xác thiếu tính xác thực, tạo ra một bức tường vô hình. Lỗi này đã trở thành một giới hạn cứng nhắc, ảnh hưởng đến hiệu suất, tăng chi phí và lãng phí năng lượng vào việc sửa lỗi nhiễu tính toán.

Cái bẫy thứ hai nằm ở kiến trúc. Các mô hình AI hiện tại không có bộ nhớ. Thay vào đó, chúng dự đoán khung hình hoặc token tiếp theo mà không có lý luận nào giúp chúng đạt được dự đoán đó. Công ty cho biết, nó giống như văn bản tiên đoán, nhưng ở cấp độ cao hơn nhiều. Một khi các mô hình hiện đại đưa ra đầu ra, chúng không lưu giữ lý do tại sao chúng lại đưa ra quyết định đó và không thể xem xét lại hoặc xây dựng dựa trên lý luận của chính mình. Có vẻ như AI có lý trí, nhưng nó chỉ bắt chước lý trí, chứ không thực sự hiểu cách đưa ra kết luận.

“Counterintuitive đang xây dựng một đội ngũ đẳng cấp thế giới gồm các nhà toán học, nhà khoa học máy tính, nhà vật lý và kỹ sư, những người có kinh nghiệm từ các phòng thí nghiệm nghiên cứu và công ty công nghệ hàng đầu thế giới, và những người hiểu rõ nền tảng của Bẫy kép và giải quyết nó,” Rego cho biết.

Nhóm của Rego có hơn 80 bằng sáng chế đang chờ cấp, bao gồm phần cứng lý luận xác định, hệ thống bộ nhớ nhân quả và các khuôn khổ phần mềm mà họ tin rằng có tiềm năng “xác định thế hệ điện toán tiếp theo dựa trên lý luận – không phải bắt chước.”

Nghiên cứu về điện toán gốc lý luận của Counterintuitive nhằm mục đích tạo ra con chip lý luận đầu tiên và bộ phần mềm lý luận đẩy AI vượt qua các giới hạn hiện tại của nó.

Đơn vị lý luận nhân tạo (ARU) của công ty là một loại điện toán mới, thay vì bộ xử lý, tập trung vào lý luận dựa trên bộ nhớ và thực hiện logic nhân quả trên silicon, không giống như GPU. “Bộ ARU của chúng tôi không chỉ là một danh mục chip mới đang được phát triển – đó là một sự tách biệt hoàn toàn khỏi điện toán xác suất,” đồng sáng lập Counterintuitive, Syam Appala, cho biết.

“ARU sẽ mở ra kỷ nguyên điện toán tiếp theo, định nghĩa lại trí thông minh từ bắt chước thành thấu hiểu và cung cấp năng lượng cho các ứng dụng tác động đến các lĩnh vực quan trọng nhất của nền kinh tế mà không cần đến ngân sách lớn về phần cứng, trung tâm dữ liệu và năng lượng.”

Bằng cách tích hợp logic nhân quả dựa trên bộ nhớ vào cả phần cứng và phần mềm, Counterintuitive đặt mục tiêu phát triển các hệ thống đáng tin cậy và có thể kiểm toán hơn. Điều này đánh dấu một sự chuyển đổi từ các mô hình AI hộp đen truyền thống, tập trung vào tốc độ và xác suất, sang lý luận minh bạch và có trách nhiệm hơn.