主要内容
AI 初创公司 Counterintuitive 致力于构建“原生推理计算”，使机器能够理解而非简单模仿。这一突破有可能将 AI 从模式识别转变为真正的理解，为能够思考和决策的系统铺平道路，即更“像人类”。
Counterintuitive 董事长 Gerard Rego 谈到了公司所称的 AI 面临的“双重陷阱”问题，称公司的首要目标是解决两个关键问题，这些问题限制了当前的 AI 系统，即使是最大的 AI 系统也无法稳定、高效且真正智能。
第一个陷阱凸显了当今的 AI 系统缺乏可靠、可重复的数字基础，基于过时的数学原理构建。例如，几十年前为游戏和图形等任务的速度而设计的浮点算术。因此缺乏精度和一致性。在数字系统中，每个数学运算都会引入微小的舍入误差，随着时间的推移会累积。正因如此，运行相同的 AI 模型两次可能会提供不同的结果，导致不确定性。这种性质的不一致性使得验证、复制和/或审计 AI 决策更加困难，尤其是在法律、金融和医疗保健等领域。如果 AI 输出不能清晰解释或证明，它们就会成为“幻觉”——这是为其“缺乏可证明性”而创造的术语。
现代 AI 在缺乏真实性的精度方面存在根本问题，形成了一堵无形的墙。这一缺陷已成为一个刚性限制，影响了整体性能，增加了成本，并在噪声校正上浪费了能源。
第二个陷阱存在于架构中。当前的 AI 模型没有记忆。相反，它们预测下一个帧或标记，而没有帮助它们实现预测的推理。就像强化版的预测文本一样。一旦现代模型输出某些内容，它们不会保留做出该决策的原因，也无法重新审视或基于自己的推理进行构建。看似 AI 有理由，但只是在模仿推理，而不是真正理解结论是如何得出的。
“Counterintuitive 正在组建一支世界级的数学家、计算机科学家、物理学家和工程师团队，他们是领先的全球研究实验室和科技公司的资深人士，并且理解双重陷阱的根本并解决它，”Rego 说。Rego 的团队有 80 多项专利正在申请中，涵盖确定性推理硬件、因果记忆系统和软件框架，他们认为这些有潜力“定义基于推理而非模仿的下一代计算”。
Counterintuitive 的原生推理计算研究旨在生产第一个推理芯片和软件推理栈，将 AI 推向其当前的极限之外。该公司的人工推理单元（ARU）是一种新型计算，而非处理器，专注于内存驱动推理，并在硅片中执行因果逻辑，与 GPU 不同。
“我们的 ARU 栈不仅仅是正在开发的新芯片类别——它是对概率计算的彻底突破，”Counterintuitive 联合创始人 Syam Appala 说。“ARU 将迎来计算的下一个时代，将智能从模仿重新定义为理解，并为影响经济最重要部门的应用提供动力，而无需大量硬件、数据中心和能源预算。”通过将内存驱动因果逻辑集成到硬件和软件中，Counterintuitive 旨在开发更可靠和可审计的系统。这标志着从传统的以速度为重点的概率性 AI 黑箱模型向更透明和可问责的推理的转变。