Introdurre la Rivoluzione dell'AI Auto-Apprendente con AIRIS

Con il settore dell'intelligenza artificiale (AI) che si prevede raggiunga una valutazione superiore a $3 trilioni nei prossimi 8 anni circa, la tecnologia ha continuato a testimoniare diversi momenti storici che hanno aiutato questo paesaggio ancora nascente a evolversi da forza a tensione.
Per esempio, l'agosto 2024 ha visto la formazione dell'Alleanza Superintelligenza Artificiale (ASI), una partnership strategica tra Fetch.ai, SingularityNET e Ocean Protocol per democratizzare e decentralizzare lo sviluppo della tecnologia AI.
Per elaborare, ogni membro porta le sue forze uniche sul tavolo con SingularityNET che guida avanti iniziative di intelligenza artificiale generale (AGI) open-source; Fetch.ai specializzata nella creazione di agenti autonomi sofisticati; e Ocean Protocol che fornisce un framework robusto e sicuro per scambi di dati senza interruzioni.
Un tale approccio collaborativo si contrappone nettamente al paradigma esistente di sviluppo AI, che è stato in gran parte dominato da pochi giganti della tecnologia. Questo perché la maggior parte delle startup oggi si affida pesantemente all'infrastruttura di calcolo fornita da Microsoft, Amazon e Google per addestrare i loro sistemi.
Pertanto, unendo le loro risorse e competenze, l'ASI perpetua un approccio più inclusivo, trasparente ed eticamente allineato alla propagazione dell'AI. A questo riguardo, l'alleanza ha recentemente annunciato il rilascio della sua ultima soluzione etichettata 'AIRIS'.
Esplorare un'innovazione nell'apprendimento automatico (ML) con AIRIS
Nelle loro iterazioni attuali, la maggior parte dei sistemi di apprendimento automatico (ML) è vincolata da alcune limitazioni come il requisito di enormi dataset di addestramento, difficoltà nell'acquisizione di informazioni di alta qualità, ecc.
In questo contesto, AIRIS (Autonomous Intelligent Reinforcement Inferred Symbolism) propone una soluzione innovativa in grado di aiutare ad alleviare questi vincoli.
Alla sua base, AIRIS fa uso di un meccanismo di apprendimento chiamato "apprendimento di regole causali" che, a differenza dei sistemi esperti statici, non richiede agli esseri umani di pre-programmare ogni possibile scenario che il modello potrebbe incontrare. Piuttosto, AIRIS crea e aggiorna dinamicamente le proprie regole osservando come le sue azioni influenzano l'ambiente — riflettendo così più da vicino l'apprendimento umano.
L'efficacia del sistema è stata ampiamente dimostrata di recente quando AIRIS ha fatto il suo debutto nell'universo di Minecraft. Quando inserito nell'complesso ambiente 3D del gioco, la piattaforma è stata in grado di esplorare, sperimentare e apprendere nuove tattiche al volo.
Non solo, AIRIS è stata in grado di manovrare facilmente intorno agli ostacoli, sviluppare strategie di movimento in tempo reale e persino ottimizzare le sue capacità di pathfinding attraverso un processo di affinamento continuo.
In sostanza, non seguendo istruzioni preimpostate, AIRIS crea i propri set di regole, prevede i potenziali esiti e regola il proprio comportamento di conseguenza — caratteristiche cruciali per lo sviluppo di applicazioni AI di alta qualità nel mondo reale.
Oltre ai giochi
Sebbene l'esempio di Minecraft sia indubbiamente impressionante, l'intelligenza adattiva dello stack tecnologico di AIRIS apre numerose possibilità in diversi settori. Ad esempio, nell'ambito della robotica, la piattaforma può abilitare sistemi autonomi in grado di operare in ambienti dinamici e imprevedibili, che spaziano dai piani di produzione alle situazioni di risposta alle catastrofi.
Allo stesso modo, nell'ecosistema sanitario dal valore di trilioni di dollari, l'offerta può facilitare la creazione di robot che soddisfano le esigenze dei singoli pazienti (imparando e adattando i loro approcci).
Anche quando si tratta di progettare veicoli autonomi di alta qualità, AIRIS può rendere le soluzioni esistenti più sicure e reattive aiutandole continuamente ad apprendere dalle condizioni stradali mutevoli e dagli scenari imprevisti. Fornendo la sua visione sulla piattaforma, il Dr. Ben Goertzel, CEO di SingularityNET, ha notato che AIRIS rappresenta un cambiamento cruciale rispetto ai modelli di AI ad alta intensità di risorse, aggiungendo:
“AIRIS è un passo significativo verso l'apprendimento neurale-simbolico pratico e scalabile. Accanto alla sua già potente e preziosa funzionalità, illustra diversi punti generali sui sistemi neurale-simbolici, come la loro capacità di apprendere conclusioni generalizzabili precise da piccole quantità di dati.
Guardando al futuro
Un altro aspetto di AIRIS degno di nota è il suo elevato grado di trasparenza. A differenza dei modelli di AI "black box" in cui i processi decisionali del sistema sono incomprensibili, AIRIS genera regole spiegabili, rendendola più affidabile e allineata eticamente.
Pertanto, mentre il settore continua a maturare, offerte come AIRIS si trovano all'orlo di ciò che potrebbe essere possibile con l'AI, specialmente man mano che questa diventa sempre più decentralizzata. Creando un sistema AI che possa davvero imparare, adattarsi e crescere, SingularityNET e l'ASI Alliance sembrano aver compiuto un enorme salto per quanto riguarda le possibilità all'intersezione tra creatività umana e intelligenza digitale. Tempi interessanti all'orizzonte!
Dichiarazione di responsabilità. Le informazioni fornite non costituiscono, né intendono costituire, consulenza finanziaria; tutte le informazioni, i contenuti e i materiali sono destinati esclusivamente a scopi informativi generali. Le informazioni potrebbero non essere aggiornate e i lettori devono effettuare le proprie verifiche e assumersi la responsabilità delle proprie azioni. I link ad altri siti web di terze parti sono forniti solo per comodità del lettore, dell'utente o del browser; Cryptopolitan e i suoi membri non raccomandano né approvano i contenuti dei siti di terze parti.

Cryptopolitan Media
Una scrivania dedicata per approfondimenti selezionati e aggiornamenti in evidenza dalla nostra rete di partner industriali globali.














