增强智能声称其象征性人工智能可以使聊天机器人更有用

在像OpenAI的o1这样的人工智能模型的核心的神经网络架构的替代方案正在兴起。被称为象征性人工智能,它使用与特定任务有关的规则,比如重写文本行,来解决更大的问题。

象征性人工智能能够灵活地解决一些神经网络难以解决的问题。最近的研究表明,它是可伸缩的。(从历史上看,象征性架构并不是计算高效的。)

可扩展性的突破推动了一股涌动的初创企业,将象征性人工智能应用于各个领域,比如Orby和TekTonic(它们正在构建企业自动化工具)、Symbolica和Unlikely AI(由Alexa联合创始人William Tunstall-Pedoe创建)。从隐蔽状态中最新涌现的一家创业企业是Augmented Intelligence,由包括前IBM总裁吉姆·怀特赫斯特在内的投资者投资了4400万美元。

Augmented Intelligence构建了一种对话式人工智能,声称其比您典型基于神经网络的系统更可预测和“代理人”——即最新的人工智能噱头——CEO Ohad Elhelo说。例如,Augmented Intelligence的人工智能可以提供墨西哥航班的价格列表并帮助您预订机票,Elhelo说。

“等等——ChatGPT不是已经可以做到了吗?”是的,Elhelo承认。但他声称,与Augmented Intelligence的技术相比,ChatGPT需要更多的设置和手动集成。

“像ChatGPT这样的聊天机器人的主要目标是与用户聊天,与代表公司采取行动或工作的对话代理之间存在很大差别。”Elhelo告诉TechCrunch。“一旦将人工智能连接到工具——无论是检索信息还是采取行动——模型不再依赖其训练数据,智能的质量会急剧下降。”

Elhelo于2017年与Ori Cohen共同创立了Augmented Intelligence。那时,公司的名字是Delegate(在此之前是Stuff),其使命是提供由AI驱动的应用程序,客户可以将任务交给低报酬的临时工。

Elhelo在2019年的一次采访中为Delegate进行了快速的介绍:“如果一名商务高管的一小时时间价值,比如说50美元,为什么要花时间打电话给客户服务或阅读在线客户评论,当印度、东耶路撒冷或菲律宾有人愿意以更低的价格做这些事情?”

Delegate的尖锐的Glassdoor评论显示,临时工很难赚到太多钱。工人们抱怨存在问题和“排队”系统使平台难以使用,几乎没有支持或培训,以及一个激励结构,承诺更高报酬但很少兑现。

因此——在转型的压力下——Elhelo和Cohen选择了人工智能之路。

Augmented Intelligence的人工智能可以支持回答关于任何主题的问题的聊天机器人(例如“您能为这个产品进行价格匹配吗?”),并与公司现有的API和工作流集成。Elhelo表示,该人工智能经过了数以万计的人类客户服务代理人的对话数据训练。

我问Elhelo这些对话是否来自Delegate。他不愿透露——也不会透露任何代理人是否因其贡献而得到报酬,或者代理人是否被告知他们的数据将以这种方式使用。

暂且不谈人们对品牌聊天机器人的感受,为什么公司会选择Augmented Intelligence而不是其他人工智能供应商呢?嗯,首先,Elhelo表示,其人工智能训练使用工具来从外部来源获取信息以完成任务。OpenAI、Anthropic和其他公司的人工智能也可以利用工具,但Elhelo声称,Augmented Intelligence的人工智能比基于神经网络的解决方案表现更好。

Elhelo还断言,这款人工智能更易解释,因为它提供了其如何响应查询以及原因的记录,为公司提供了改进和提高性能的方法。Elhelo称,它不会训练使用公司数据,只会使用已被允许在特定情境下访问的资源。

“增强智能不需要接受公司信息的培训,会考虑部署公司的基于规则的指示。”Elhelo说。

对于对将机密信息暴露给第三方人工智能持谨慎态度的企业来说,不训练客户数据这一点肯定会吸引它们。据报道,包括苹果在内的一些公司去年禁止员工使用OpenAI工具,理由是担心机密数据泄漏。

现在,Elhelo提出了一些站不住脚的主张,比如Augmented Intelligence的人工智能能“消除幻觉”(它绝对无法做到)。但这家有40名员工的公司似乎正在赢得业务,最近与Google Cloud达成战略合作伙伴关系,将其模型引入该平台。

Elhelo不愿透露收入信息。但他告诉TechCrunch,增强智能上一轮1000万美元的筹资,由New Era Capital Partners领投,估值达3.5亿美元——对于一个刚刚将产品推向市场的人工智能供应商(并且不是由人工智能行业巨头创立)来说,这是一个相对高的数字。

“传统模型擅长模式识别和语言生成,”Elhelo说。“然而,在模型需要执行动作、做决策或与工具交互的情况下,这些架构表现不佳。Apollo的神经符号架构及其为公司打开的可能性解决了这些问题。”