Лаборатория искусственного интеллекта
ArtBrain
Мы не развиваем LLM. Мы создаем альтернативную архитектуру ИИ, которая больше соответствует способностям человека. Прежде всего способности учиться во время использования. Учиться как человек – приобретать новое знание на основе имеющихся. Мы уверены, что этой способности достаточно, чтобы искусственный интеллект приобрел все другие способности сам. Здесь мы расскажем как мы собираемся этого добиться
Этот проект создан независимым исследователем ИИ и философом Александром Хомяковым. Вместе с присоединившимися к проекту разработчиками мы создаем архитектуру ИИ, основанную на новых принципах, позволяющих решить имеющиеся проблемы трансформеров и открыть совершенно новые возможности. Это прежде всего обучения во время диалога с человеком и самостоятельного поиска в интернет, а также проблема галлюцинаций и следования правилам. В основе проекта теория интеллекта Александра Хомякова, изложенная им в книге "Пролегомены ко всякому знанию" (гл. 3-5), в которой сформулированы основные отличия подхода.
Интеллект человеческого типа
Принципы построения интеллекта ArtBrain основаны на исследованиях в эпистемологии, когнитивной психологии и теории решения задач (часть ключевых принципов не раскрывается)
- Идея проекта основана на концепции конструктивизма, в котором утверждается, что интеллект занимается не обобщением входной информации в модели, а построением новых моделей из имеющихся для различения входа (up-down). Это принципиальное отличие позволяет избежать таких проблем как инъекции, галлюцинациями и «потемкинское понимание».
- Мы открыли новый метод нахождения аналогии по предикатам. Он заменяет эмбединг в нейросетях и решает проблему обучения, так как предикаты можно менять прямо во время использования. Мы создали программу нахождения аналогов по предикатам налету. Статья в журнале. Предикат, а не отдельное слово, являются базовой единицей алгоритма интеллекта ArtBrain
- По нашим исследованиям именно аналогия является основой интеллектуальных функций, таких как метафора, силлогизм, обучение и др. Благодаря аналогии по предикатам алгоритм ArtBrain способен к более глубокому обобщению и следованию правилам. Статья в журнале
- Архитектура моделирования. Модели интеллекта строятся как вложенные независимые модели, абстрактная управляет последовательность. в предметной, а предметная управляет входными и выходными регистрами, которыми является текст. Прогнозирование следующего предиката происходит нt на уровне текста как в нейросетях, а на более высоком уровне предметных схем.
- Генерация ответов строится как решение задачи с автоматическим разделением на то, что есть и то, что надо получить с выстраиванием последовательности шагов по сокращению расстояния между ними на основе глубинных (предметных) схем. Этот подход основан на теории решения задач и адаптации схем, составляющую основу интеллекта.
Блог разработки
- Создание абстрактных схем и поискаОсенью было принято открыть первый проект на основе разработанных скриптов аналогии. Мы приступили к созданию Meaning Search - поиск по смыслу, который должен стать альтернативой как контекстному поиску, так и поиску RAG LLM. Основное отличие - мы не режим текст на чанки, а ищем по всему тексту, распарсив его на вектора предикатов. Это позволяет налету находить наиболее подходящие по смыслу тексты к запросу на основе выделения схожих абстрактных схем. О результатах сообщим ближе к февралю 2026.
- Подтверждение гипотез проектаВ начале 2025 нами был доработан скрипт аналогии по предикатам, проверена возможность разрешения омонимии отбором предикатов по контексту. Также был подтвержден способ распознавания новых клауз по имеющимся предикатам через аналогию с ними. Это позволяет применять для распознавания текста и построения ответа уже имеющиеся в модели схемы как устойчивые цепочки предикатов.
- Аналогия как базовая функция мышленияВ конце 2024 году вышла статья, в которой описано, каким образом через аналогию реализуются основные функции мышления. Это базовый процесс работы новой архитектуры ИИ. На основе его создаются абстрактные схемы (шаблоны) системы, позволяющие распознавать новые паттерны текста по аналогии и через них находить продолжение текста, что является новым способом генерации текста.
- Открытие аналогии по предикатамВ начале 2024 года мы распарсили тексты 200 книг на предикаты с удалением явных ошибок, создав таким образом вектора предикатов слов SVn, VOn. И на основе методе TF-IDF с некоторыми хитростями получили качественные аналоги к S и V. Такой способ вместо дорогостоящего разового обучения нейросети требует намного меньше данных, может менять аналогию при поступлении новых предикатов и ограничивать аналогию по предикатам, разрешая омонимию. Результаты изложены в статье
Mind Search
Это ранний проект ArtBrain, использующий разработанные алгоритмы для семантического поиска
Одна из наших разработок - Mind Search как решение проблемы поиска по технологии RAG. Недостатки этой технологии заключаются в необходимости нарезки текстов на чанки, чтобы их можно было превратить в векторное представление. Чанки режутся не по смыслу, а по количеству текста, что создает в последующем проблемы для поиска небходимых частей текста без лишней информации в них. Наш подход подразумевает поиск по векторам предикатов с аналогией, что позволяет найти части текста только точно по смыслу запроса и с учетом схожести с ним. В результате точность поиска по смыслу повышается в разы и исключает галлюцинации, а также дает четкий критерий отсутствия информации в текстах. Такая технология позволяет избежать потери информации в LLM, а также галлюцинаций из-за отсутствия точной информации в базах знаний.
В данный момент мы готовим пилот технологии и бенчмарк для сравнения с RAG для демонстрации преимущества технологии Mind Search.
Семантический поиск очень востребован в бизнесе, образовании и науке, где накоплены огромные текстовые знания, но есть проблемы с их извлечением, дублированием, обобщением без потери информации. Поэтому мы уверены в успехе технологии.
В данный момент мы готовим пилот технологии и бенчмарк для сравнения с RAG для демонстрации преимущества технологии Mind Search.
Семантический поиск очень востребован в бизнесе, образовании и науке, где накоплены огромные текстовые знания, но есть проблемы с их извлечением, дублированием, обобщением без потери информации. Поэтому мы уверены в успехе технологии.
Инвесторам
Перспективы использования новой архитектуры безграничны, так как она умеет учиться. Контроль над ней обеспечит невероятное преимущество во всех сферах
- Главное отличие новой архитектуры интеллекта – это способность делать открытия, предлагать новые решения, что позволит без преувеличения разрешить все существующие задачи человечества. Но за ними откроются безусловно новые, совершенно другого масштаба и качества.
- Мы делаем интеллект человеческого уровня. Быть вместе с командой, которая создает технологию следующей эпохи – это редкая возможность, которая есть только у нас. Присоединяйтесь к нашей команде как инвестор, чтобы быть первым.
- Условия сотрудничества с инвесторами обсуждаются индивидуально. Мы самостоятельно развиваем технологию в лаборатории, инвестиции позволят вывести с вами нашу технологии на рынок, чтобы первым получить от нее профит.
| | Присоединяйтесь к созданию будущей архитектуры искусственного интеллекта Будем рады сотрудничеству, новым идеям и помощи в реализации проекта. Александр Хомяков (akhomiakov.com) |
