Auch als künstliche Intelligenz (KI) ist in unser tägliches Leben eingegangen und haben uns bewusst, dass es noch in den Kinderschuhen steckt. Die unglaubliche Nachfrage sowohl von Verbrauchern als auch von Unternehmen hat die Einschränkung verbunden, dass wir in vielen Bereichen noch keine wirkliche Praktikabilität sehen.
Das gilt insbesondere für die B2B Enterprise Arena. B2B-Organisationen haben komplexe Workflows, die ein tiefes Verständnis für funktionsübergreifende und manchmal sogar übergreifende Nuancen, Regeln und Logik erfordern. Außerdem die Ai von heute muss nicht nur große Datenmengen, sondern auch die unglaublich breiten Prinzipien menschlicher Beziehungen und organisatorischer Regeln angehen.
Leider können herkömmliche KI -Modelle beide Probleme nicht allein lösen. ‘Neuronal’ KI ist unglaublich effektiv bei der Mustererkennung, steht jedoch ernsthaften Herausforderungen mit Dingen wie Kontext oder logischbasiertem Denken. Hier würden Sie normalerweise eine „symbolische“ KI verwenden – die für kontextbezogene Entscheidungsfindung ausgelegt ist, aber nicht für komplexe Muster geeignet ist.
Eine Synthese dieser beiden Lösungen ist die neuro-symbolische KI: Mischen der Mustererkennung von neuronalen Netzwerken mit der regelbasierten Klarheit symbolischer Systeme.
Durch die Kombination dieser beiden Perspektiven liefert die neuro-symbolische KI robuste, kontextbezogene Lösungen, die erklärbar, anpassungsfähig und in der Lage sind, mit komplexen B2B-Umgebungen in der realen Welt umzugehen.
Aber zuerst: Schauen wir uns diese Bestandteile ein wenig mehr Tiefe an, um besser zu verstehen, wie die neurosymbolische KI konstruiert wird.
CEO & leitender Forscher bei Pebbles AI.
Yin und Yang: Neuronale und symbolische KI
Neural AI (Neural Networks) ist von der Fähigkeit des Gehirns inspiriert, Muster aus großen Volumina von zu erkennen und zu lernen Daten. So wie wir Gesichter erkennen oder eine Sprache lernen, zeichnen sich diese Netzwerke aus, um Korrelationen und Trends zu identifizieren, die sich einfacheren Methoden entziehen könnten.
Diese Systeme, wie jemand, der nur durch Eintauchen eine Sprache lernt, kämpfen, wenn logikbasiertes Denken oder subjektive Kontexte ins Spiel kommen. Es kann eine korrekte Antwort auf der Grundlage früherer Antworten und Erfahrung intuitiv, jedoch mit weniger Transparenz und Genauigkeit intuitiv.
Am anderen Ende des Spektrums befindet sich symbolische KI-die Welt der regelbasierten Systeme und der expliziten Wissensrepräsentation. Dies emuliert die reflektierende Seite der menschlichen Erkenntnis und trifft Entscheidungen auf der Grundlage spezifischer Prinzipien, Richtlinien oder Einschränkungen.
Symbolische Modelle leuchten bei Erklärbarkeit und kontextueller Klarheit. Sie haben jedoch Schwierigkeiten, kritische Nuancen, komplexe IFTTT -Logik und Mustererkennung einzubeziehen. Das System hat tiefes, spezifisches Wissen – aber es ist nicht flexibel.
Neuro-symbolische KI: ein Vollhirnsystem
Die neuro-symbolische KI kombiniert diese beiden Ansätze und nutzt die mustersuchenden Funktionen neuronaler Systeme neben dem logischen Denken symbolischer Rahmenbedingungen effektiv.
Es ist beispielsweise zu erwarten Produktivität. Ein neurosymbolisches System kann jedoch domänenspezifische Regeln anwenden (z. B., z. HR Richtlinien oder Compliance -Richtlinien), um zu erklären, warum etwas passiert, und – vielleicht noch wichtiger -, was die empfohlenen nächsten Schritte sein könnten.
In Unternehmensbereichen, in denen Fehler kostspielig sein können, wie B2B -Marketing und Vertrieb, Personal- oder Finanzregulierungseinhaltung, ist dieser Ansatz von entscheidender Bedeutung. Durch das Weben von Domänenwissen und logischen Regeln direkt in seinen Betriebsgerüst reduziert ein neurosymbolisches System das Risiko fehlerhafter Ausgaben. Die Regeln und Vorschriften für die Referenzierung von Domänen stellen sicher, dass Entscheidungen konsistent, transparent und ethisch robust sind.
Agenten AI: Intuition und Logik orchestrieren
Um die Vorteile des neuro-symbolischen Ansatzes zu veranschaulichen, berücksichtigen Sie den raschen Anstieg der agierischen KI.
Moderne Agentenarchitekturen bieten das Rückgrat, das die neuronale und symbolische Verarbeitung harmoniert. Ein Orchestrator-Agent delegiert domänenspezifische Aufgaben entweder an das neuronale System (wenn Musteranalyse erforderlich ist) oder in der symbolischen Engine (wenn Regeln-basierte Argumentation von entscheidender Bedeutung ist).
Dies erinnert daran, wie das menschliche Gehirn sowohl intuitive Sprünge als auch begründete Analyse verwendet, um Entscheidungen zu treffen.
Generative KI: Ein Schritt weiter
Schließlich lohnt es sich, hervorzuheben, dass die neurosymbolische KI in einem Silo nicht aus dem häufiger generativen KI-Far davon existiert.
Generative Modelle, die auf Text, Bilder und sogar synthetische Stimmen produzieren können, haben die Erstellung von Inhalten, das kreative Design und das schnelle Prototyping revolutioniert. Diese Modelle kämpfen jedoch mit Erklärung und regelbasiertem Logik, insbesondere in komplexen Bereichen.
Während generative KI sich beim Erstellen von Inhalten auszeichnet, ist es in komplexen B2B -Umgebungen, in denen Präzision und Genauigkeit von entscheidender Bedeutung sind, häufig zu kurz. Die Ausgaben können visuell ansprechend sein – obwohl das alles ist, was sie sind -, aber sie bleiben ungenau und inkonsistent, da es die notwendige kontextbezogene, adaptive und parametrisierte Kreativität fehlt.
Die strategische Entwicklung von AI-Lösungen der nächsten Generation beruht auf Best Practices der Branche und der fortschrittlichen Anwendung von Disziplinen wie lexikalischer Semantik, Verhaltensökonomie und Neuromarketing-je nach Domain nur einige. Diese Bereiche fordern das differenzierte Fachwissen, das nur echte Domänenspezialisten anbieten können.
Domain -Expertise: Intelligenz zur Arbeit bringen
Bedenken Sie für all diese Funktionen: Top -Ingenieure können atemberaubende B2B -AI -SaaS -Produkte mit beeindruckenden Funktionen bauen. Aber ohne Domain -Experten in ihren Kernteams – ob für Recht, Marketing und Vertrieb oder finanziell Dienste – Sie schaffen traditionelle SaaS -Plattformen, die von herkömmlicher generativer KI betrieben werden.
Der Aufbau von Technologieunternehmen der nächsten Generation erfordert einen grundlegend anderen Ansatz. Traditionelle SaaS -Unternehmen wie Grammatarly, Lemlist und Hubspot richten sich an ein breiteres Publikum und wurden mit einem ganz anderen Zweck gebaut. Durch die Integration der neuro-symbolischen KI wird eine vollständige Überholung erfordern-eine Verlagerung zu einer AI-nativen Architektur, einem engagierten Team von Domänenexperten und einem Engagement für spezielle Forschung.
Sogar Marc Andreessen, Mitbegründer eines der ersten Internet-Browser in Mosaic, unterstützt diese Ansicht. In einem kürzlich durchgeführten Podcast erklärte er: „Wenn eine technologische Transformation ausreichend leistungsfähig ist, müssen Sie den Produktentwicklungsprozess von Grund auf neu starten, da Sie das Produkt neu rekonzeptualisieren müssen, und normalerweise, was dies bedeutet, benötigen Sie ein neues Unternehmen, da die meisten Amtsinhaber dies einfach nicht tun.“
Was also passiert, ist, dass die Menschen mit der horizontalen KI für bestimmte Domänenvertikale anfangen. Stellen Sie sich vor, Sie bitten Ihren örtlichen Bäcker, Unternehmensfinanzierung zu leiten oder Rechtsberatung eines Cousins zu suchen, der einen Tierladen betreibt. Doch selbst die brillantesten technischen Gründer von KI-Unternehmen der nächsten Generation übersehen oft das entscheidende Element der Domänenforschung. Sie vermissen den neuro-symbolischen Blaupause, auf dem robuste KI gebaut werden sollte.
Ohne tiefe Domänen-Expertise und regelbasierte Logik können die Konsequenzen schwerwiegend sein. Finanzielle Verluste montieren. Compliance -Probleme treten auf. Marketing- und Vertriebsstrategien fallen flach. Rechtsverletzungen treten auf, der Ruf leiden, Wachstum stagniert – und manchmal schließen Unternehmen.
Generativ, neurosymbolisch, agierisches KI: Freischärfen von Supermächten!
Die Valhalla von AI, zumindest für den B2B-Markt, bringt all diese Stränge in das zusammen, was sie als generatives neuro-symbolisches Agenten-AI-System bezeichnen.
Im besten Fall kann ein solches System komplexe Komplexität und Nuancen interhuman erfassen und sie verwenden, um Workflows auch in komplexen Arbeitsumgebungen zu erweitern. Durch die Verschmelzung generativer Funktionen mit symbolischem Denken und agierter Orchestrierung kann diese Architektur über die bloße Funktion hinausgehen. Es kann gleichzeitig seine Entscheidungen erstellen, erstellen und erklären, wodurch datengesteuerte „Supermächte“ sinnvolle Veränderungen anführen können.
Dabei ist die neuro-symbolische KI bereit, die Aufbau und Integration von KI und unserer zu verändern, um neu zu bauen und zu integrieren Unternehmen Insgesamt – in einer neuen Ära der Technologie im kommenden Jahrzehnt, das sich sowohl zutiefst aufschlussreich als auch bemerkenswert ermächtigt anfühlt.
Wir haben das beste KI -Telefon vorgestellt.
Dieser Artikel wurde als Teil des Expert Insights Channel von TechRadarPro produziert, in dem wir heute die besten und klügsten Köpfe in der Technologieindustrie bieten. Die hier geäußerten Ansichten sind die des Autors und nicht unbedingt die von TechRadarPro oder Future Plc. Wenn Sie daran interessiert sind, hier mehr zu ermitteln: https://www.techradar.com/news/submit-your-story-techradar-pro
Source link
