Jednou z nejpopulárnějších aplikací umělé inteligence k dnešnímu dni bylo její použití k předpovídání věcí pomocí algoritmů trénovaných na základě historických dat k určení budoucího výsledku. Ale popularita neznamená vždy úspěch: Prediktivní umělá inteligence vynechává mnoho nuancí, kontextu a uvažování příčin a následků, které vedou k výsledku; a jak někteří zdůraznili (a jak jsme viděli), znamená to, že někdy „logické“ odpovědi vytvořené prediktivní AI mohou být katastrofální. Startup nazvaný causaLens vyvinul technologii kauzální inference – prezentovanou jako nástroj bez kódu, který nevyžaduje, aby datový vědec používal více nuancí, uvažování a citlivosti příčin a následků do systému založeného na umělé inteligenci – o čemž věří. může tento problém vyřešit.
Cílem CausaLens, generální ředitel a spoluzakladatel Darko Matovski, je, aby umělá inteligence „začala chápat svět tak, jak mu rozumí lidé“.
Dnes startup oznamuje financování ve výši 45 milionů dolarů poté, co zaznamenal jistý brzký úspěch se svým přístupem, přičemž tržby vzrostly o 500 % od doby, kdy se před rokem objevily v utajení. Toto je popisováno jako „první uzavření“ kola, což znamená, že je stále otevřené a potenciálně se bude zvětšovat.
Dorilton Ventures a Molten Ventures (VC, který se přejmenoval na Draper Esprit) vedly, účastnili se také předchozí podporovatelé Generation Ventures a IQ Capital a nový podporovatel GP Bullhound. Zdroje nám říkají, že zaokrouhlené hodnoty londýnského causaLens jsou kolem 250 milionů dolarů.
Mezi zákazníky a partnery CausaLens v současné době patří organizace ve zdravotnictví, finančních službách a státní správě a řada dalších vertikál, kde se její technologie nepoužívá pouze pro rozhodování na základě umělé inteligence, ale také k tomu, aby přinášela více nuancí příčin a následků. dospět k výsledkům.
Ilustrativní příklad toho, jak to funguje, lze nalézt v Mayo Clinic, jednom z partnerů startupu, který pomocí causaLens identifikuje biomarkery rakoviny.
„Lidská těla jsou složité systémy, a tak použitím základních paradigmat umělé inteligence můžete najít jakýkoli vzor, který chcete, korelace jakéhokoli druhu, a nikam se nedostanete,“ řekl Darko Matovski, CEO a zakladatel startupu. rozhovor. "Ale pokud použijete techniky příčiny a následku k pochopení mechaniky fungování různých těl, můžete lépe pochopit skutečnou povahu toho, jak má jedna část vliv na druhou."
Vezmeme-li v úvahu všechny proměnné, které se mohou týkat, je to druh problému s velkými daty, který je pro člověka nebo dokonce tým lidí téměř nemožné spočítat, ale pro počítač jde o sázky tabulky. I když to není lék na rakovinu, tento druh práce je významným krokem k tomu, abychom začali zvažovat různé způsoby léčby přizpůsobené mnoha obměnám.
Technologie CausaLens byla ve zdravotnictví také aplikována méně klinickým způsobem. Agentura veřejného zdraví z jedné z největších světových ekonomik (causaLens nemůže veřejně prozradit, která z nich) použila svůj kauzální motor umělé inteligence, aby zjistila, proč se někteří dospělí zdržují očkování proti COVID-19, aby agentura mohla navrhnout lepší strategie k získání jsou na palubě (množné číslo „strategie“ je zde operativním detailem: podstatou je, že jde o složitý problém zahrnující řadu důvodů v závislosti na dotyčných jednotlivcích).
Ostatní zákazníci v oblastech, jako jsou finanční služby, používají causaLens k informování automatizovaných rozhodovacích algoritmů v oblastech, jako je hodnocení půjček, kde předchozí systémy umělé inteligence vnášely do svých rozhodnutí zkreslení při použití samotných historických dat. Hedgeové fondy mezitím využívají causaLens k tomu, aby lépe porozuměly tomu, jak by se mohl vyvíjet trend na trhu, aby mohly ovlivnit jejich investiční strategie.
A zajímavé je, že ve světě autonomní dopravy se možná objeví jedna nová vlna zákazníků. Toto je jedna oblast, kde nedostatek lidského uvažování brzdí pokrok v této oblasti.
"Bez ohledu na to, kolik dat je do autonomních systémů dodáváno, stále jsou to jen historické korelace," řekl Matovski k výzvě. Řekl, že causaLens nyní jedná se dvěma velkými automobilovými společnostmi, s „mnoha případy použití“ pro svou technologii, ale jedním z nich je zejména autonomní řízení, „aby systémům pomohlo pochopit, jak svět funguje. Nejde jen o korelované pixely související s červeným světlem a zastavením auta, ale také o to, jaký bude účinek zpomalení auta na červenou. Přinášíme uvažování do AI. Kauzální AI je jedinou nadějí pro autonomní řízení.“
Zdá se, že ti, kteří při své práci používají AI, by chtěli, aby byl systém co nejpřesnější, což vyvolává otázku, proč nebylo skvělé vylepšení kauzální AI zabudováno do algoritmů a strojů AI učení na prvním místě.
Není to tak, že by více uvažování a odpovědí „proč“ nebyly prioritami hned na začátku, vysvětlil Matovski – „Lidé zkoumali vztahy příčin a následků ve vědě již dlouhou dobu. Můžete dokonce tvrdit, že Newtonovy rovnice jsou kauzální. Ve vědě je to super zásadní,“ řekl – ale specialisté na umělou inteligenci nedokázali pochopit, jak to stroje naučit. "Bylo to příliš těžké," řekl. "Algoritmy a technologie neexistovaly."
To se začalo měnit kolem roku 2017, řekl, když akademici začali publikovat počáteční přístupy zvažující, jak reprezentovat „uvažování“ a příčinu a následek v AI na základě hledání signálů, které přispěly k existujícím výsledkům (spíše než pomocí historických dat k určení výsledky) a na základě toho vytvářet modely. Zajímavé je, že je to přístup, o kterém Matovski říká, že nepotřebuje přijímat obrovské objemy tréninkových dat, aby fungoval. Tým CausaLens je velmi náročný na doktoráty (dalo by se říci, že startup se zde opravdu sežral: při sestavování svého týmu zvažoval 50 000 životopisů). A tento tým převzal tuto štafetu a běží s ní. "Od té doby je to exponenciální růstová křivka", pokud jde o objev, řekl. (Více si o tom můžete přečíst zde.)
Jak byste mohli očekávat, causaLens není jediným hráčem, který se zabývá tím, jak využít pokroky v kauzální inferenci ve větších projektech, které spoléhají na AI. Microsoft, Facebook, Amazon, Google a další velcí tech hráči se značnými investicemi do AI také pracují na poli. Mezi startupy je také Causalis, který se zaměřuje konkrétně na možnost využití kauzální umělé inteligence v medicíně a zdravotnictví, a zdá se, že Oogway buduje platformu kauzální umělé inteligence zaměřenou na spotřebitele, „personalizovaného asistenta rozhodování AI“, jak sám sebe popisuje. To vše hovoří o příležitosti rozvinout další a docela masivní trh pro tuto technologii, pokrývající jak konkrétní komerční, tak obecnější případy použití.
„AI musí udělat další krok k kauzálnímu uvažování, aby naplnila svůj potenciál v reálném světě. causaLens je první, kdo využívá kauzální umělou inteligenci k modelování intervencí a umožňuje strojově řízenou introspekci,“ uvedl v prohlášení Daniel Freeman z Dorilton Ventures. „Tento prvotřídní tým vytvořil sofistikovaný software, aby získal seriózní datové vědce, a využitelnost pro posílení obchodních lídrů. Společnost Dorilton Ventures je velmi nadšená, že může podpořit causaLens v další fázi její cesty.“
„Každá společnost přijme AI nejen proto, že může, ale protože musí,“ dodal Christoph Hornung, investiční ředitel Molten Ventures. „My v Moltenu jsme přesvědčeni, že kauzalita je klíčovou složkou, která je potřeba k odemknutí potenciálu AI. causaLens je první platforma kauzální umělé inteligence na světě s prokázanou schopností převádět data na optimální obchodní rozhodnutí.“