Vi presenterer Neuro-Analytic AI.
Neuro-Analytic AI setter KI-en du allerede bruker, sammen med en komplementær analytisk KI som lærer av validerte utfall og hjelper deg å bestemme hva du skal prøve videre.
Kjerneløftet: fleksibiliteten til nevral KI med presisjonen til analytisk KI. MatterSpace er pioner på feltet og gjør det til produkter, med MS Duplex som det første. Utviklet av Faruk Guney.


To typer KI, hver med det den gjør best.
Nevral KI og analytisk KI er gode til forskjellige ting. Side om side dekker hver av dem områder den andre dekker dårligere.
Nevral KI
Modellene teamet ditt allerede bruker. De forstår en oppgave beskrevet i vanlig språk, gjør research på den, skriver og resonnerer flytende og arbeider gjennom verktøyene du gir tilgang til.
Analytisk KI
Arbeider ut fra utfallene teamet ditt har validert. Den veier hva som fungerte, under hvilke betingelser og på hvor mye belegg, og holder den vurderingen oppdatert etter hvert som nye resultater kommer inn.
Sammen
Den nevrale siden forstår oppgaven og handler ut fra den. Den analytiske siden bringer erfaring og belegg inn i beslutningen. Resultatet er en agent som blir bedre for hver validerte lærdom.
Trilemmaet nevral KI ikke kan løse alene.
KI som jobber side om side med mennesker hver dag, trenger tre egenskaper samtidig: plastisitet, for å lære av nye resultater; stabilitet, for å beholde det den allerede vet; og redigerbarhet, for å endre én bestemt kunnskap nøyaktig. En nevral modell sprer alt den vet over de samme delte vektene, så hver egenskap man vinner, koster en annen.
Plastisitet
Lær modellen noe nytt, og oppdateringen treffer vekter som også bærer det den allerede visste.
Stabilitet
Beskytt det den vet, og den lærer sakte eller ikke i det hele tatt før neste treningsrunde.
Redigerbarhet
Ingen enkeltvekt bærer ett enkelt faktum, så én kunnskap kan ikke korrigeres, fjernes eller spores tilbake til kilden nøyaktig.
Omveier bytter én egenskap mot en annen
Finjustering kjøper plastisitet på bekostning av stabilitet. Gjenfinning og minnefiler legger til tekst uten å lære av den.
Analytisk KI har alle tre samtidig.
Analytisk KI tar vare på det den lærer som egne lærdommer ved siden av modellen, ikke i vektene, hver med sin dokumentasjon og betingelsene den gjelder under. De tre egenskapene slutter å konkurrere.
Plastisitet
Ett validert resultat læres med en gang og gjelder fra neste forespørsel, uten treningsrunde.
Stabilitet
En ny lærdom lar alle andre være som de var.
Redigerbarhet
Enhver lærdom kan ses gjennom, korrigeres eller fjernes for seg, og spores tilbake til kilden.
Presisjon og fleksibilitet: kjerneløftet i Neuro-Analytic AI.
Nevral KI gir fleksibilitet: Den forstår åpne oppgaver, resonnerer og jobber med verktøy. Analytisk KI gir presisjon: Det som er lært, gjelder nøyaktig der det holder, og et endret faktum erstattes nøyaktig. Sammen får nevral KI plastisitet, stabilitet og redigerbarhet som er både sterke og nøyaktige.
Fra imponerende demoer til hverdagsarbeid.
Det er dette som gjør KI operativ. En KI som lærer i arbeidet, beholder det den har lært og kan korrigeres som enhver annen oppføring, er en KI vitenskapsfolk, ingeniører, forskere og fagfolk i næringslivet kan stole på i hverdagen, ikke bare i en demo.
Hvorfor vi tror fremtiden er nevroanalytisk.
Større modeller vet mer, men skala alene lar ikke en modell lære i arbeidet uten å glemme, eller en organisasjon korrigere og eie det den har lært. Vi tror KI-en folk stoler på hver dag, vil forene nevral fleksibilitet med analytisk presisjon.
Arbeidet endrer seg hele tiden
Nye resultater kommer hver dag. En KI som bare lærer i treningsrunder, ligger alltid etter.
Tillit krever korrigering
Når KI tar feil, må folk kunne rette akkurat det og se at det er rettet.
Erfaring er en ressurs
Det et team lærer, bør tilhøre teamet, ikke forsvinne inn i vektene til en modell.
Modellene skifter hele tiden
Erfaring må overleve hver modell den ble lært med.
Inspirert av teorien om komplementære læringssystemer i kognitiv vitenskap.
Teorien om komplementære læringssystemer beskriver læring i hjernen som arbeidet til to systemer: ett som lærer raskt av konkrete erfaringer, og ett som gradvis bygger opp generell kunnskap. Neuro-Analytic AI henter inspirasjon fra den ideen for hvordan to komplementære deler av et KI-system kan arbeide sammen.
MatterSpace leder Neuro-Analytic AI fra forskning til produkt.
MatterSpace er det ledende selskapet som baner vei for Neuro-Analytic AI og gjør det til produkter. MS Duplex er det første: Koble til KI-en du allerede bruker via MCP, og MS Duplex er den analytiske KI-en ved siden av, en selvforbedrende agent for vitenskap, forskning og ingeniørarbeid.
Utviklet av Faruk Guney.
Se Neuro-Analytic AI i ditt eget arbeid.
En pilot av MS Duplex kjører på ditt eget gjentakende arbeid, ved siden av det nåværende oppsettet ditt, og ekspertene dine vurderer resultatene.

