Beginners Guide to Mind AI: Artificial Intelligence Engine & Ecosystem

Tänk AI

Tänk AI är ett venture-backat AI-företag som har mer än ett decennium av forskning och utveckling inom sitt bälte. Detta projekt är en del av den tredje vågen av AI, som har fokus på att nå resonemang på mänsklig nivå via massor av artificiell intelligens.

Tänk AI

Ekosystemet och artificiell intelligensmotor i Mind AI utvecklades för att skapa ett nytt och ett innovativt synsätt på AI. Tidigare AI-arkitekturer är beroende av stora mängder data, superdatorer och parallell bearbetning. Däremot har Mind AI en kärnresonationsmotor som bygger på nya datastrukturer, som är internationellt patenterade och kända som kanoniska.

Hur började Mind AI börja?

Medgrundarna till Mind AI är VD Paul Lee och Joshua Hong, som gick in i IBM Watson-ekosystemet medan de arbetade med sin telehälsostart. De insåg snart att den artificiella intelligensen som användes av systemet ännu inte var tillräckligt robust för allmänna applikationer. Detta uppmuntrade dem att skapa ett internt AI-system som skulle hjälpa patienter och läkare. De två träffade John Doe, som är ingenjör som utvecklade en ny AI-strategi. De tre bestämde sig för att skapa en AI-motor av sig själv, så att den kunde användas i fjärrhälsa och andra applikationer. År 2017 patenterade de sina nya AI-datastrukturer och införlivade sitt Mind AI-projekt.

Varför är en ny typ av AI-system nödvändig??

Teamet bakom Mind AI anser att det behövs en ny typ av artificiell intelligens av många anledningar. Detta inkluderar det faktum att den för närvarande vanliga AI baserad på maskininlärning är beräkningsförbrukande eftersom den kräver betydande data och beräkningar. Teamet ogillar också att de vanliga djupinlärningssystemen följer dataanalys och kvantitativa berättelser istället för mänskliga tankeprinciper, såsom resonemang. Dessutom ogillar de att AI tenderar att vara oåtkomlig, med endast avancerade tekniska satsningar och regeringar som använder den.

Sammantaget är beräkningsintensiv artificiell intelligens dyr och slösaktig. Mind AI känner också att dessa system är oeleganta eftersom ”intelligenta” varelser inte borde behöva visa tiotusentals bilder för att korrekt lära sig känna igen ett objekt. Dessa AI-modeller tenderar också att vara invasiva på grund av den stora mängden data som behövs, såväl som oåtkomliga på grund av några av de tidigare nämnda faktorerna.

Hur löser Mind AI dessa problem?

För att övervinna dessa hinder utvecklade Mind AI en konstgjord resonationsmotor som använder naturligt språk som ett sätt att resonera på samma sätt som människor gör. Mind AI är också domänagnostiker, vilket betyder att det kan fungera i alla branscher; Crowdsourced eller samarbetande och inte ägs av ett enda företag. Den sista punkten kommer från det faktum att Mind AI kommer att fungera som en DAO. Mind AI använder en egen kanonisk datastruktur som låter bidragsgivare mata systemontologier som är relevanta för alla branscher och domäner.

Vad är Mind AI-resonemangsmotorn?

Grunden för Mind AI-resonemangsmotorns funktionalitet är de ontologier som bidragsgivarna ger. För närvarande finns det inget som denna resonemangsmotor på marknaden eftersom den låter AI lära sig och tänka på samma sätt som människor.

Resonemangsmotorn innehåller tre typer av mänskligt resonemang. Induktivt resonemang täcker specifikt för allmänna generaliseringar, medan deduktivt resonemang täcker allmänt för specifika generaliseringar och abduktivt resonemang skapar logiska antaganden. Tack vare dessa typer av resonemang och de ontologier som matas av samhället kan Mind AI resonera som människor utan att kräva enorma mängder data.

Hur annorlunda skiljer sig AI sig från andra AI-lösningar?

Mind AI är unikt från andra artificiella intelligenslösningar eftersom det skapar ett nytt paradigm som låter kärnmotorn arbeta med ofullständig information och osäkerhet. Det kan också använda naturligt språk, analysera det och sedan konvertera det till kanoniska eller datastrukturer. Dessa kanonikaler möjliggör fullständig integrering av varje typ av resonemang i varje kanonik. Mind AI blir också smartare eftersom allmän kunskap tas in i naturligt språk.

Canonicals

Mind AI kommer att samla sina ontologier och så småningom nå kritisk massa. Vid denna tidpunkt kan systemet lära sig hur det kommer att lära sig. Det betyder att det kan slutföra sin egen forskning, inklusive hypoteser och testning av dessa hypoteser.

Varför använder Mind AI Blockchain?

Teamet bakom Mind AI anser att det är nödvändigt för detta projekt att använda blockchain för att möjliggöra oföränderlighet, ett globalt belöningssystem, öppenhet och demokrati. Immutabilitet är avgörande för ontologierna. Teamet förväntar sig att bidragsgivarna skickar in ontologier av låg kvalitet och felaktigheter men erkänner dem som användbara på grund av Mind AIs förmåga att lära sig genom kontextualisering. Med andra ord fungerar föråldrade ontologier som ett unikt sammanhang istället för att bli föråldrade, och blockkedjans oföränderlighet låter Mind AI få tillgång till historien på ett sätt som är oförändrat.

Mind Ecosystem

Det globala belöningssystemet är nyckeln eftersom en tokeniserad ekonomi ger transparenta, billiga och snabba belöningar. Eftersom AI-motorn kräver Crowdsourcing för ontologier hjälper den tokeniserade ekonomin att stimulera bidrag från alla bakgrunder, specialiteter och geografiska platser.

Öppenheten från användningen av blockchain är avgörande för en rättvis fördelning av belöningar och för omröstning i samhället. Den senare användningen blir särskilt viktig när man röstar om etiska övre ontologier, utlöser kill kill eller prioriterar ontologiska bounties. Blockchain gör det också möjligt för samhället att se vad den artificiella intelligensen redan har lärt sig och möjliggör datalagring.

Vad är några användningsfall för Mind AI?

Mind AI: s blockchain-lager av transparens gör det möjligt för användare att spåra om hur AI nådde en viss slutsats och se exakt hur beslutet nåddes. Detta uppnås med hjälp av två komponenter – kärnresonationsmotorn och ontologier. Kärnresonationsmotorn är deras egen patenterade teknik som har utvecklats i över ett decennium. Ontologier är de regler som folkmassan använder som motorn använder för att utföra sin process.

Mind AI syftar till att demokratisera kraften i AI genom att lagra databasen över ontologier på blockchain som ägs av dess community av bidragsgivare, så kallad “ontologer”. Ontologer kommer att få ta del av vilka applikationer som skapas av Mind AI genom att tillhandahålla ontologier inom vissa ämnesområden. De kommer också att kunna hindra skadliga enheter från att använda Ontologier och Mind AI.

Användningen av Blockchain säkerställer att allt är oföränderligt och transparent och kommer att förhindra manipulering av databasen och förändring av AI: s kunskaper.

Mind AI är till sin natur ”industrin agnostiker” – så alla branscher kan så småningom köra sin AI beroende på användardeltagande / bidrag från ontologier. Vissa branscher som skulle gynna är hälso- och sjukvård (diagnostik via AI), juridik, utbildning och många fler.

Ett användningsfall för Mind AI är universell helhetsutbildning. Ekosystemet kan samla läroplanen från ett land och dela den med de i andra länder som inte har tillgång till samma resurser. På så sätt kan lärare och elever omedelbart få tillgång till de senaste, mest effektiva läroplanerna och göra det på sitt modersmål.

Mind AI är språkagnostiskt, så alla uppdateringar är automatiska över olika språk. Mind AI kan till och med användas för att skapa anpassade läroplaner för varje individ som ett sätt att maximera sitt lärande.

Mind AI kan också hjälpa till att maximera sociala effekter. Det finns applikationer för beslutsfattare, filantroper och investerare. Användningsfallet är omfattande eftersom Mind AI kommer att göra artificiell intelligens mer tillgänglig för alla genom att övervinna begränsningarna för djupinlärande AI.

Slutsats

Mind AI är en ny AI-motor och ekosystem utformat för att vara en del av den tredje vågen av artificiell intelligens. Det tar ett nytt tillvägagångssätt för artificiell intelligens som inte är så slösaktigt när det gäller resursförbrukning och har applikationer i olika branscher.

Användbara länkar

Mike Owergreen Administrator
Sorry! The Author has not filled his profile.
follow me