Yapay zekanın bugüne kadarki en popüler uygulamalarından biri, gelecekteki bir sonucu belirlemek için geçmiş verilerle eğitilmiş algoritmalar kullanarak bir şeyleri tahmin etmek için kullanmak olmuştur. Ancak popülerlik her zaman başarı anlamına gelmez: tahmine dayalı yapay zeka, sonuca giden birçok nüansı, bağlamı ve sebep-sonuç muhakemesini dışarıda bırakır; ve benzeri bazı sahip olmak işaret etti (ve gördüğümüz gibi), bu, bazen tahmine dayalı AI tarafından üretilen “mantıklı” cevapların felaket olabileceği anlamına gelir. adlı bir startup nedensel mercek nedensel çıkarım teknolojisi geliştirdi – bu sorunu çözebileceğine inandığı yapay zeka tabanlı bir sisteme daha fazla nüans, akıl yürütme ve neden-sonuç duyarlılığı getirmek için bir veri bilimcisinin kullanmasını gerektirmeyen kodsuz bir araç olarak sunuldu .
CEO ve kurucu ortağı Darko Matovski, CausaLens’in amacının, yapay zekanın “dünyayı insanların anladığı gibi anlamaya başlaması” olduğunu söyledi.
Bugün başlangıç, yaklaşımıyla erken bir başarı gördükten sonra 45 milyon dolarlık finansman açıklıyor ve bir yıl önce gizlilikten çıktığından bu yana gelirlerini %500 artırıyor. Bu, raundun “ilk kapanışı” olarak tanımlanıyor, yani hala açık ve potansiyel olarak büyüyecek.
Dorilton Ventures ve Molten Ventures (Draper Esprit’ten yeniden markalaşan VC), önceki destekçiler Generation Ventures ve IQ Capital ve yeni destekçi GP Bullhound’un da katılımıyla turu yönetti. Kaynaklar bize Londra merkezli causaLens’in yaklaşık 250 milyon dolarlık yuvarlak değerlerini söylüyor.
CausaLens’in müşterileri şu anda, teknolojisinin yalnızca AI tabanlı karar verme için değil, sonuçlara varırken daha fazla neden-sonuç nüansı getirmek için kullanıldığı bir dizi diğer dikey arasında sağlık, finansal hizmetler ve devlet kuruluşlarını içermektedir. Kritik olarak,
Bunun nasıl çalıştığının açıklayıcı bir örneği, girişimin müşterilerinden biri olan ve kanser için biyolojik belirteçleri belirlemek için causaLens kullanan Mayo Clinic’te bulunabilir.
Girişimin CEO’su ve kurucusu Darko Matovski bir röportajda, “İnsan bedenleri karmaşık sistemlerdir ve bu nedenle temel AI paradigmalarını uygulayarak istediğiniz herhangi bir modeli, herhangi bir tür korelasyonu bulabilirsiniz ve hiçbir yere varamazsınız” dedi. “Fakat farklı cisimlerin nasıl çalıştığının mekaniğini anlamak için sebep ve sonuç tekniklerini uygularsanız, bir parçanın diğerini nasıl etkilediğinin gerçek doğası hakkında daha fazla şey anlayabilirsiniz.”
Dahil olabilecek tüm değişkenler göz önüne alındığında, bir insan, hatta bir grup insan için hesaplaması neredeyse imkansız olan, ancak bir bilgisayarın üzerinde çalışabileceği bir masa kazığı olan büyük veri problemidir. Kanser için bir tedavi olmasa da, bu tür bir çalışma, ilgili birçok permütasyona göre uyarlanmış farklı tedavileri düşünmeye başlama yolunda önemli bir adımdır.
CausaLens’in teknolojisi, sağlık hizmetlerinde de daha az klinik bir şekilde uygulandı. Dünyanın en büyük ekonomilerinden birinden (causaLens hangisini kamuya açıklayamaz) bir halk sağlığı kurumu, nedensel yapay zeka motorunu kullanarak bazı yetişkinlerin neden Kovid-19 aşısı yaptırmaktan geri kaldığını belirlemek için daha iyi stratejiler geliştirebilsin. (çoğul “stratejiler” buradaki işlemsel ayrıntıdır: bütün mesele şu ki, söz konusu bireylere bağlı olarak çeşitli nedenleri içeren karmaşık bir konu).
Finansal hizmetler gibi alanlardaki diğer müşteriler, önceki AI sistemlerinin yalnızca geçmiş verileri kullanırken kararlarına önyargı getirdiği kredi değerlendirmeleri gibi alanlarda otomatik karar verme algoritmalarını bilgilendirmek için causaLens kullanıyor. Bu arada serbest fonlar, yatırım stratejilerini bilgilendirmek için bir piyasa eğiliminin nasıl gelişebileceğini daha iyi anlamak için causaLens’i kullanır.
Ve ilginç bir şekilde, otonom ulaşım dünyasında yeni bir müşteri dalgası ortaya çıkıyor olabilir. Bu, insan muhakemesi eksikliğinin bu alandaki ilerlemeyi engellediği bir alandır.
Matovski, “Otonom sistemlere ne kadar veri beslenirse girsin, yine de sadece tarihsel korelasyonlar” dedi. CausaLens’in şu anda iki büyük otomotiv şirketi ile, teknolojisi için “birçok kullanım örneği” olan, ancak özellikle sistemlerin dünyanın nasıl çalıştığını anlamasına yardımcı olmak için otonom sürüş konusunda görüşmelerde bulunduğunu söyledi. Sadece kırmızı ışık ve bir arabanın durmasıyla ilgili ilişkili pikseller değil, aynı zamanda o arabanın kırmızı ışıkta yavaşlamasının etkisinin ne olacağı. Yapay zekaya akıl yürütmeyi getiriyoruz. Nedensel yapay zeka, otonom sürüş için tek umut.”
Çalışmalarında AI kullananların sistemin mümkün olduğunca doğru olmasını istemeleri hiç de kolay değil gibi görünüyor, bu da nedensel AI’nın mükemmel gelişiminin neden AI algoritmalarında ve makine öğreniminde yerleşik olmadığı sorusunu akla getiriyor. ilk yer.
Matovski, daha fazla akıl yürütme ve “neden” sorusuna yanıt vermenin erken dönemde öncelikler olmadığını açıkladı: “İnsanlar bilimde neden-sonuç ilişkilerini uzun süredir araştırıyorlar. Newton denklemlerinin nedensel olduğunu bile iddia edebilirsiniz. Bilimde süper temeldir” dedi – ancak AI uzmanlarının makinelere bunu yapmayı nasıl öğreteceklerini anlayamadıkları. “Sadece çok zordu,” dedi. “Algoritmalar ve teknoloji yoktu.”
Akademisyenler, (sonuçları belirlemek için geçmiş verileri kullanmak yerine) mevcut sonuçlara katkıda bulunan sinyalleri bulmaya dayalı olarak AI’da neden ve sonucun nasıl temsil edileceğini dikkate alan ilk yaklaşımları yayınlamaya başladıkça, 2017 civarında değişmeye başladı, dedi. ve buna dayalı modeller inşa etmek. İlginç bir şekilde, bu, Matovski’nin çalışması için çok büyük miktarda eğitim verisi alması gerekmediğini söylediği bir yaklaşım. CausaLens’in ekibi doktora konusunda çok ağırdır (başlangıcın gerçekten testini burada yediğini söyleyebilirsiniz: ekibini kurarken 50.000 özgeçmişi dikkate aldı). Ve bu takım o sopayı aldı ve onunla birlikte koştu. “O zamandan beri, keşif açısından üstel bir büyüme eğrisi oldu” dedi. (Bunun hakkında daha fazlasını okuyabilirsiniz burada.)
Tahmin edebileceğiniz gibi causaLens, yapay zekaya dayalı daha büyük projelerde nedensel çıkarımdaki ilerlemelerden nasıl yararlanılacağını araştıran tek oyuncu değil. Microsoft, Facebook, Amazon, Google ve önemli AI yatırımlarına sahip diğer büyük teknoloji oyuncuları da sahada çalışıyor. Startup’lar arasında ayrıca nedensel özellikle tıp ve sağlık hizmetlerinde nedensel yapay zeka kullanma fırsatına odaklanmak ve Oogway Tüketicilere yönelik nedensel bir AI platformu, kendisini tanımladığı gibi “kişiselleştirilmiş bir AI karar asistanı” oluşturuyor gibi görünüyor. Tüm bunlar, hem belirli ticari hem de daha genel kullanım durumlarını kapsayan, teknoloji için daha fazla ve oldukça büyük bir pazar geliştirme fırsatına işaret ediyor.
“AI, gerçek dünyadaki potansiyelini karşılamak için nedensel akıl yürütmeye yönelik bir sonraki adımı atmalıdır. Dorilton Ventures’tan Daniel Freeman yaptığı açıklamada, causaLens, müdahaleleri modellemek ve makine güdümlü iç gözlemi sağlamak için Nedensel Yapay Zekadan yararlanan ilk kişidir” dedi. “Bu birinci sınıf ekip, ciddi veri bilimcilerini kazanmak için gelişmiş teknolojiye ve iş liderlerini güçlendirmeye yönelik kullanılabilirliğe sahip bir yazılım geliştirdi. Dorilton Ventures, yolculuğunun bir sonraki aşamasında causaLens’i desteklemekten büyük heyecan duyuyor.”
Molten Ventures’ın yatırım direktörü Christoph Hornung, “Her şirket yapay zekayı sadece yapabildikleri için değil, mecbur oldukları için benimseyecektir” diye ekledi. “Molten olarak bizler, yapay zekanın potansiyelini ortaya çıkarmak için gerekli olan temel bileşenin nedensellik olduğuna inanıyoruz. causaLens, verileri optimal iş kararlarına dönüştürme konusunda kanıtlanmış bir yeteneğe sahip dünyanın ilk nedensel yapay zeka platformudur.”