Enquanto sistemas como o ChatGPT foram criados com os dados textuais do mundo, permitindo que prevejam a próxima palavra correta em uma frase ao interagir com os usuários, essa IA alternativa aprendeu a prever fenômenos físicos no espaço e no tempo. Ela dispensou a arquitetura Transformer inventada pelo Google — o “T” do ChatGPT — e, em vez disso, processa dados de física com base em uma tecnologia que Anandkumar ajudou a desenvolver há anos, chamada de operadores neurais.
“A visão da inteligência centrada na linguagem coloca os seres humanos no centro. Colocar a física no centro é uma visão centrada na natureza”, disse Anandkumar, professora de ciências da computação e matemática do Caltech.
Várias empresas, incluindo startups supervisionadas pelos líderes em IA Yann LeCun e Fei-Fei Li, estão buscando os chamados “modelos de mundo” que compreendem a realidade espacial melhor do que a IA treinada em texto. A aposta da Accelerated Understanding é que uma forma mais versátil de operador neural, capaz de prever fenômenos que nem mesmo o olho consegue ver, é o melhor caminho — e pode impulsionar os negócios.
Um exemplo está no projeto de chips. Enquanto várias empresas utilizam IA que programa computadores e raciocina por meio de texto para aplicações em chips, a Accelerated Understanding acredita que uma compreensão mais intrínseca da física é fundamental para otimizar materiais e temperaturas para o desempenho de um chip, com menos tentativa e erro em laboratório.
A empresa também acredita que a mesma IA pode impulsionar a robótica, prever condições climáticas extremas ou analisar dados geológicos para empresas do setor de energia. Em vez de modelos matemáticos frágeis e personalizados para cada caso, uma única IA pode lidar com qualquer consulta física para o mundo dos negócios, disse Anandkumar.
A empresa, no início, está focada em negócios corporativos, em vez de uma oferta para o consumidor, afirmaram os cofundadores.
