Aller au contenu
Advancing Bits to Master Atoms

Présentation de Neuro-Analytic AI.

Neuro-Analytic AI associe l’IA que vous utilisez déjà à une IA analytique complémentaire qui apprend des résultats validés et vous aide à décider quoi essayer ensuite.

Sa promesse fondamentale : la flexibilité de l’IA neuronale avec l’exactitude de l’IA analytique. MatterSpace en est le pionnier et en fait des produits, à commencer par MS Duplex. Développé par Faruk Guney.

Une forme lisse et arrondie argent satiné et une forme anguleuse à facettes en graphite qui s’emboîtent sur un socle à gradins en graphite, avec une fine incrustation bleu cobalt le long de la jointure entre les deux.Une forme lisse et arrondie argent satiné et une forme anguleuse à facettes en graphite qui s’emboîtent sur un socle à gradins en graphite, avec une fine incrustation bleu cobalt le long de la jointure entre les deux.

Deux types d’IA, chacun dans ce qu’il fait de mieux.

L’IA neuronale et l’IA analytique sont fortes dans des domaines différents. Côte à côte, chacune couvre le terrain que l’autre couvre moins bien.

  • IA neuronale

    Les modèles que votre équipe utilise déjà. Ils comprennent une tâche décrite en langage courant, mènent des recherches à son sujet, écrivent et raisonnent avec aisance, et travaillent au moyen des outils que vous autorisez.

  • IA analytique

    Travaille à partir des résultats que votre équipe a validés. Elle évalue ce qui a fonctionné, dans quelles conditions et sur la base de combien de preuves, et elle tient ce jugement à jour à mesure que de nouveaux résultats arrivent.

  • Ensemble

    Le volet neuronal comprend la tâche et agit en conséquence. Le volet analytique apporte l’expérience et les preuves à la décision. Le résultat est un agent qui s’améliore à chaque enseignement validé.

Le trilemme que l’IA neuronale ne peut pas résoudre seule.

Une IA qui travaille chaque jour aux côtés des gens a besoin de trois propriétés à la fois : la plasticité, pour apprendre de nouveaux résultats ; la stabilité, pour garder ce qu’elle sait déjà ; et l’éditabilité, pour modifier exactement une connaissance précise. Un modèle neuronal répartit tout ce qu’il sait dans les mêmes poids partagés : gagner une propriété en coûte une autre.

  • Plasticité

    Apprenez quelque chose de nouveau au modèle, et la mise à jour touche des poids qui portent aussi ce qu’il savait déjà.

  • Stabilité

    Protégez ce qu’il sait, et il apprend lentement, voire pas du tout jusqu’au prochain entraînement.

  • Éditabilité

    Aucun poids ne porte à lui seul un fait, si bien qu’une connaissance ne peut être ni corrigée, ni supprimée, ni rattachée exactement à sa source.

  • Les contournements échangent l’un contre l’autre

    Le fine-tuning achète la plasticité au prix de la stabilité. La récupération et les fichiers de mémoire ajoutent du texte sans en apprendre.

L’IA analytique réunit les trois à la fois.

L’IA analytique conserve ce qu’elle apprend sous forme d’enseignements distincts, à côté du modèle et non dans ses poids, chacun avec ses preuves et les conditions dans lesquelles il s’applique. Les trois propriétés cessent de s’opposer.

  • Plasticité

    Un résultat validé est appris immédiatement et s’applique dès la requête suivante, sans entraînement.

  • Stabilité

    Un nouvel enseignement laisse tous les autres en l’état.

  • Éditabilité

    Chaque enseignement peut être examiné, corrigé ou supprimé isolément, et rattaché à sa source.

Exactitude et flexibilité : la promesse fondamentale de Neuro-Analytic AI.

L’IA neuronale apporte la flexibilité : elle comprend des tâches ouvertes, raisonne et travaille avec des outils. L’IA analytique apporte l’exactitude : ce qui a été appris s’applique exactement là où c’est valable, et un fait modifié est remplacé exactement. Ensemble, l’IA neuronale gagne une plasticité, une stabilité et une éditabilité à la fois fortes et exactes.

Des démonstrations impressionnantes au travail quotidien.

C’est ce qui rend l’IA opérationnelle. Une IA qui apprend en travaillant, garde ce qu’elle a appris et se corrige comme n’importe quel autre dossier est une IA sur laquelle scientifiques, ingénieurs, chercheurs et professionnels de l’entreprise peuvent compter au quotidien, et pas seulement en démonstration.

Pourquoi nous croyons que l’avenir est neuro-analytique.

Les modèles plus grands en savent davantage, mais la taille seule ne permet ni à un modèle d’apprendre en travaillant sans oublier, ni à une organisation de corriger et de posséder ce qu’il a appris. Nous croyons que l’IA sur laquelle on s’appuie chaque jour associera la flexibilité neuronale à l’exactitude analytique.

  • Le travail ne cesse de changer

    De nouveaux résultats arrivent chaque jour. Une IA qui n’apprend que lors des entraînements a toujours un temps de retard.

  • La confiance exige de pouvoir corriger

    Quand l’IA se trompe, il faut pouvoir corriger ce point précis et voir qu’il est corrigé.

  • L’expérience est un actif

    Ce qu’une équipe apprend devrait appartenir à l’équipe, pas disparaître dans les poids d’un modèle.

  • Les modèles changent sans cesse

    L’expérience doit survivre à chaque modèle avec lequel elle a été acquise.

Inspirée de la théorie des systèmes d’apprentissage complémentaires en sciences cognitives.

La théorie des systèmes d’apprentissage complémentaires décrit l’apprentissage dans le cerveau comme le travail de deux systèmes : l’un apprend rapidement à partir d’expériences spécifiques, l’autre construit progressivement des connaissances générales. Neuro-Analytic AI s’inspire de cette idée pour la façon dont deux parties complémentaires d’un système d’IA peuvent travailler ensemble.

MatterSpace mène Neuro-Analytic AI de la recherche au produit.

MatterSpace est l’entreprise leader et pionnière de Neuro-Analytic AI, et la transforme en produits. MS Duplex est le premier : connectez l’IA que vous utilisez déjà via MCP, et MS Duplex devient l’IA analytique à ses côtés, un agent auto-améliorant pour la science, la recherche et l’ingénierie.

Développé par Faruk Guney.

Voyez Neuro-Analytic AI à l’œuvre sur votre propre travail.

Un pilote de MS Duplex se déroule sur votre propre travail récurrent, à côté de votre configuration actuelle, et vos experts jugent les résultats.