Lovelace AI于29日结束"隐身模式"正式亮相。该公司强调，在失误可能导致巨大成本或人员伤亡的环境中，需要比现有生成式AI更可靠的企业级人工智能。
该公司的核心是名为"Elemental"的上下文引擎构建工具。Elemental位于AI代理与企业内部数据系统之间，将分散的信息转化为结构化的知识图谱。通过这种方式，AI不再直接访问海量原始数据，而是沿着可验证的路径仅查找所需信息，并同时提供达到研究水准的分析结果及其来源。
Lovelace AI由曾担任谷歌云AI总负责人、并曾任卡内基梅隆大学计算机科学学院院长的安德鲁·摩尔(Andrew Moore)创立。摩尔曾担任美国国防部下属中央司令部首位AI顾问，他表示在谷歌任职期间，为大型银行、医院系统和制造商应用AI的过程中萌生了当前的构想。他认为，仅凭基于大语言模型的概括式对话方式，难以解决"重大"企业问题。
通过知识图谱与来源追踪实现"可信赖的AI"
Elemental的后端"YotaGraph"被设计为能够处理数万亿级别的互联事实数据。根据公司介绍，它能将内部数据与外部信息相结合来回答调查式问题，并且其代币使用量约为其他方式的千分之一。这意味着，在相同成本下可以提出多得多的查询。
目前，Lovelace AI每周从约20多个公开来源收集约10亿条事实数据。数据来源涵盖全球新闻、社交媒体、航运物流信息、卫星图像等。该公司特别认为，识别分散在不同来源的数据是否实际指向同一对象的"实体解析"能力决定了准确性。因为一旦对核心对象的同一性判断出错，整个推理过程就可能动摇。
旨在提升可靠性的机制也被置于显要位置。该系统追踪每个推理步骤的依据和数据来源，使用户能够核查结果是经由何种过程得出的。该公司的判断是，企业AI必须超越仅给出"貌似合理的回答"的水平，具备能够解释为何得出该结论的结构。
从国防、灾难、医疗到金融……瞄准大型企业市场
过去两年间，Lovelace AI一直在不公开的情况下打磨技术，主要瞄准公共机构、国家安全、灾难应对、医疗保健等与生命直接相关的领域。不过，摩尔表示，该技术也可应用于金融服务等风险虽大但回报也高的领域。
其部署方式也聚焦于敏感行业。该平台并非集中式服务，而是安装于客户环境内部。该公司的观点是，将数据交由外部供应商处理、仅取回结果的方式已不再适合敏感组织。解释称，让客户直接掌握数据控制权和安全保障的结构是其核心竞争力。
Lovelace AI的出现表明，企业AI市场正从简单的聊天机器人竞争，转向以"准确性"和"责任追溯"为核心。特别是在管理层要求切实提升生产力的背景下，该公司成败的关键，将取决于它能在多大程度上改变那些失败率颇高的实际应用场景。
TP AI 注意事项 基于TokenPost.ai语言模型对文章进行了摘要。正文主要内容可能被遗漏或与事实存在差异。