大模型「幻觉」全无？图神经网络成破解核心，精准预测因果消除「幻觉」

原来大模型的「幻觉」，真的可以完全消除！

近日，AI初创公司Alembic首次宣布，一种全新AI系统完全解决了LLM虚假信息生成问题。

也就是说，饱受诟病的LLM幻觉，被彻底攻破了。

联创兼首席执行官Tomás Puig在接受Venture Beat独家采访时透露，「取得这一关键突破在于，AI能够在海量企业数据集中，识别随时间变化的因果关系，而不仅仅是相关性」。

他接着表示，我们基本上让生成式AI免于产生幻觉。它可以确定性输出，也可以谈论因果关系。

解决幻觉问题

「幻觉」一直是企业采用聊天机器人和虚拟助理等人工智能系统的主要障碍。

此前的AI模型即使可以生成看似逼真的文本，还是经常会产生错误或无意义的信息，也就是所谓的「幻觉」，导致在关键业务应用中的部署存在风险。

为了消除这种「幻觉」，Alembic通过技术手段把AI变得足够安全可靠，方便企业获得各种数据分析、预测和决策支持等服务。

根据公司提供的图表，Alembic AI系统可以从各种来源摄取数据。

处理「可观测性和分类器」模块和几何数据组件，然后将结果输入因果图神经网络（GNN)，生成确定性预测和战略建议。

Alembic为此不但建立了超级计算机基础设施，还开发了新的数字技术，将企业数据表示为时间感知图神经网络。

Puig解释说「每当我们看到其中一个连锁反应或杠杆时，我们就能了解企业的所有原始组成部分」。

「这些就像一个个小型神经元，我们把它们放入一个巨大的图神经网络中。」

「但这是一个具有因果意识和时间意识的图神经网络。」

因果推理引擎驱动确定性人工智能

Alembic突破的核心是一种新型图神经网络。

它充当因果推理引擎获取数据，组织成一个复杂节点和连接网络，捕捉事件和数据点随着时间推移形成的关联。

Puig对VentureBeat说「这几乎就是企业的3D呈现。想象一下，你可以看到每个客户和企业每个部门之间的每一次互动，以及这些互动是如何通过组织串联起来推动结果的」。

关键在于，AlembiAI不仅能从这些数据中学习模式和相关性，还能识别实际推动业务成果的因果关系。

通过了解历史结果背后的「原因」，它可以高度预测未来行动的影响，甚至推荐实现预期目标的最佳干预措施。

Alembic技术演示视频展示了分析复杂数据并生成具体战略建议的过程。

事实上，Alembic不仅仅是在技术上实现了突破，它在市场化应用过程中也取得了相当的进步。

财富500强兴趣浓厚

人们对Alembic兴趣斐然，该公司与财富500强企业私下里进行了充分的交流，并获得了Nvidia公司的博士专家和未公开的大客户的广泛认可。

「当我们把它展示给Forrester和Gartner时，他们基本上都傻眼了。我从未见过这样的场景，到目前为止，他们让我找了26位分析师，既有IT方面的，也有MarComms方面的」。

根据IDC的数据，到2024年，人工智能技术的支出预计将超过5000亿美元。

凭借早期客户的浓厚兴趣，以及Gartner和Forrester等有影响力的分析公司的认可，Alembic似乎已做好准备，撼动拥挤的企业人工智能市场。

但该公司仍然面临着挑战，即如何证明其最终技术能够超越早期试点，为大型企业带来更加准确的结果产出。

随着人工智能竞争的白热化，Alembic的「无幻觉」方法可能会成为一个关键卖点，也可能成为研究突破与实际影响之间差距的警示故事。

文章来源于“新智元”，作者“新智元”