可能筹集900万美元来构建更可靠的人工智能

随着法学硕士变得越来越强大，幻觉已被证明很难避免。即使是最聪明的模型也会出现错误，尽管有多种方法可以捕获这些错误，但业界仍在寻找最佳方法。

该公司刚刚从Andreessen Horowitz筹集了900万美元的种子资金，可能正在尝试建立一种更严格的方法来捕获这些错误。

正如创始人Peter Elias（如上图所示）所说，该公司的目标是防止用户产生幻觉和简单的事实错误，并实现99.99% 的准确率，这在确定性系统中很常见，但人工智能更难以达到。事实证明，要将法学硕士提高到这种准确性水平，需要重新思考人工智能工程的许多基本假设。

可能的第一个产品是一个数据科学工具，旨在从复杂的数据集中快速生成答案。每个结果都附有引文和对其开发方式的审计跟踪，这是人工智能工具中越来越常见的做法。

但要防止错误渗透到这些摘要中，需要一个精心设计的安全带系统，埃利亚斯将其描述为“数据科学机甲套装”。 LLM的首次通过答案将据确定性验证器系统进行检查，该系统会返回任何与数据集不匹配的结果。该公司表示，至关重要的是，法学硕士已经针对验证器进行了培训，并且整个系统都针对快速、准确的答案进行了优化。

“我们在构建此模型时了解到，线束工程越好，模型就越弱，”埃利亚斯说。 “如果你能够充分细化上下文，模型就不必非常努力地做正确的事情。基本上，这是减少歧义的一种练习。”

这使得Maybe的数据科学工具可以在小得多的人工智能模型上运行。埃利亚斯表示，当前版本运行的模型“比前沿模型弱四级”，这意味着它可以在本地硬件（即台式计算机而不是数据中心）上运行，这减少了与人工智能使用相关的大量代币成本。

在代币成本不断上涨且许多客户正在重新评估他们的人工智能预算之际，这是一个受欢迎的想法。而且，埃利亚斯的想法并不止于数据科学，因为同一个引擎可以扩展到会计或医疗服务等用例——正如埃利亚斯所说，“任何对精度敏感的用例”。

“我认为大型人工智能实验室甚至没有尝试这样做，这真的很有趣，”埃利亚斯说。 “他们被激励不这样做，因为你纠正模型的次数越多，他们就越能赚钱。”