När AI-branschen tävlar om större modeller, fler parametrar och kraftfullare datacenter väljer några av branschens mest erfarna forskare en annan väg.
Ett nytt AI-bolag grundat av tidigare forskare från Google och Apple vill bygga system som blir smartare ju mer de används. Tanken är att AI:n ska kunna lära sig kontinuerligt från användaren i stället för att vara mer eller mindre statisk efter träningen.
Enligt Wired är ambitionen att lösa ett problem som fortfarande begränsar dagens AI-modeller: de kommer ihåg väldigt lite av relationen till användaren.
Vill utmana hur dagens AI fungerar
De flesta stora språkmodeller fungerar i dag på samma sätt där modellen tränas på enorma mängder data, lanseras och uppdateras sedan med jämna mellanrum. Även om vissa tjänster erbjuder minnesfunktioner lär sig modellerna inte kontinuerligt på samma sätt som människor gör.
Forskarna bakom startupen menar att detta är en grundläggande begränsning och istället vill de skapa AI som kan anpassa sig efter användarens behov, bygga upp erfarenheter över tid och utvecklas genom användning.
Ett gammalt forskningsproblem får nytt liv
Tekniken bygger på ett område som inom AI-forskningen kallas “continual learning”. Målet är att låta neurala nätverk lära sig nya saker utan att glömma tidigare kunskap. Det låter enkelt, men har varit en av de största tekniska utmaningarna inom AI under flera decennier.
Forskare brukar tala om “catastrophic forgetting”, där modeller tappar tidigare kunskap när de lär sig något nytt. Det är just detta problem startupen hoppas kunna lösa.
Kan bli nästa stora slagfält i AI-kriget
Den kanske mest intressanta delen av satsningen är vad den säger om AI-marknadens framtid. Hittills har konkurrensen handlat om vem som bygger den smartaste modellen. Men om AI-system börjar lära sig av varje användare kan fokus flyttas till vem som bygger den mest personliga modellen.
En AI som under flera år lär sig hur du arbetar, skriver, programmerar eller fattar beslut kan bli betydligt mer värdefull än en generellt smartare modell. Det skulle också skapa en ny typ av konkurrensfördel som är svårare att kopiera än dagens tekniska framsteg.
Möjligheterna är stora – men även riskerna
Samtidigt väcker tekniken frågor kring integritet och säkerhet. För att en AI ska kunna lära sig kontinuerligt behöver den lagra och analysera betydligt mer information om användaren än vad dagens modeller normalt gör. Det innebär nya utmaningar kring dataskydd, transparens och kontroll över hur modellerna utvecklas över tid.
Trots riskerna pekar satsningen på en möjlig nästa fas för AI-industrin.