登录
首页
快讯
邮件订阅
会员专属
Memo AI
联系我们

Robinhood CEO 的新 AI 估值 9 亿美金,打造无幻觉的数学超智能

25-07-11
真正的智能,必须根植于可验证的逻辑与严谨的数学推理
免费
查看原文
这个 AI 拿钱了

Robinhood 联合创始人兼 CEO Vlad Tenev 和 Helm.ai 的联合创始人 Tudor Achim 联合创立的一个新 AI 公司 Harmonic.fun 火了,它以独特的“数学超智能”(Mathematical Superintelligence, MSI)概念。

今天,Harmonic.fun 宣布完成了 1 亿美金 B 轮融资,由 KP 领投,Paradigm、Ribbit Capita、Sequoia Capital 以及 Index Ventures 跟投,估值近 9 亿美金。去年 9 月份完成由 Sequoia 领投的 7500 万美金的 A 轮融资,当时估值为3.25 亿美金。

Harmonic 的理念我觉得很有意思:真正的智能,必须根植于可验证的逻辑与严谨的数学推理。Vlad Tenev 和 Tudor Achim 认为,当前主流的 AI 模型,尤其是大语言模型,虽然在生成文本和理解自然语言方面表现出色,但其内在的概率性机制导致了“幻觉”现象的普遍存在。

这意味着这些模型可能会生成看似合理但实际上是虚假或不准确的信息。对于许多高风险、高精度要求的应用场景,如软件开发、金融分析、科学研究等,这种不确定性是不可接受的。

因此,Tudor 和 Vlad 决定专注于开发一种基于形式化数学推理的 AI,即数学超智能(MSI)。他们的目标是构建一个能够提供可验证的、无幻觉的 AI 推理引擎,从而在根本上解决 AI 的可靠性问题。

传统的 AI 模型,特别是基于深度学习的语言模型,其工作原理通常是基于对海量数据的模式识别和概率预测。它们通过学习数据中的统计规律来生成内容或进行决策,但这种方法 inherently 带有不确定性。

当模型遇到训练数据中未曾出现过的情况,或者需要进行复杂的多步逻辑推理时,就可能出现“幻觉”——即生成看似合理但实际上是错误或虚假的信息。这种“幻觉”问题,严重限制了 AI 在金融、医疗、法律、工程等对准确性要求极高的关键领域的应用。

Harmonic 的数学超智能(MSI)则采取了截然不同的路径。它并非依赖于概率性预测,而是根植于形式化数学推理和逻辑证明。这意味着 MSI 的输出结果是可验证的,其正确性可以通过数学逻辑进行严格的证明。MSI 的核心优势在于:

  1. 可验证的准确性: MSI 的推理过程和结果都可以通过形式化方法进行验证,确保每一步逻辑都是严谨且正确的。这与传统AI的“黑箱”特性形成鲜明对比,为用户提供了对其输出结果的完全信任。

  2. 消除幻觉: 由于其基于逻辑和证明的本质,MSI 从根本上避免了“幻觉”的产生。它不会“编造”信息,而是严格遵循数学和逻辑规则进行推理,确保了结果的真实性。

  3. 透明的错误标记: Aristotle 模型不仅能够进行推理,还能够清晰地识别并标记推理过程中的错误或不一致之处。这种透明度对于调试、审计和理解 AI 的决策过程至关重要,尤其是在高风险应用中,能够帮助用户快速定位问题并进行修正。

现在,Harmonic 基于 MSI 技术开发了其旗舰模型 Aristotle ,旨在将数学超智能的能力转化为实际应用。它被设计用来解决超越人类能力的复杂数学问题,并推动科学和工程领域的突破。Aristotle 的应用场景非常广泛,尤其是在那些对“零容忍”错误率有严格要求的领域:

  • 软件验证与合成: 在区块链、金融服务、航空航天等对安全性要求极高的行业中,软件的正确性至关重要。Aristotle 能够生成经过形式化验证的软件代码,并对现有代码进行严格的验证,从而确保系统的安全性和可靠性。这对于防止软件漏洞、减少系统故障具有革命性意义。
  • 金融建模与风险管理: 在金融领域,精确的数学模型是决策的基础。Aristotle 能够处理复杂的金融数据,进行严谨的风险评估和模型验证,帮助金融机构做出更明智的投资和风险管理决策。
  • 科学研究与工程设计: 数学是所有科学和工程的基础。Aristotle 能够加速解决理论物理学、材料科学、生物工程等领域的复杂数学问题,从而推动基础科学的突破和新技术的诞生。例如,它可以帮助科学家验证复杂的数学猜想,或者优化工程设计中的参数。
  • 教育与学习: 尽管主要面向企业级应用,但 MSI 的可解释性和准确性也为数学教育带来了新的可能性。它能够帮助学生更好地理解复杂的数学概念,并通过可验证的步骤来学习推理过程。

Harmonic 的 CEO Tudor Achim 强调,Aristotle 的 MSI“非常适合任务关键型应用,在这些应用中,容错率极低”。他们在去年的一篇介绍进展的博客里提到说,

当我们想知道一个问题的答案是否正确时,我们会检查推理过程——答案背后的逻辑步骤。为了使人工智能系统真实、可解释且与我们保持一致,我们必须赋予它们强大且可验证的推理能力。

推理的语言是数学,而数学是人类发现宇宙基本真理的手段。数学超级智能将极大地加速人类在科学和工程领域的进步。

他们认为,能够进行形式化数学推理的模型将产生保证正确且具有可解释推理链的输出,此类模型拥有透明且可自动验证的推理轨迹,将具备当前一代模型所不具备的根本安全性。这种方法将立即应用于航空航天、芯片设计、工业系统和医疗保健等软件可靠性至关重要的关键行业。

有意思的是,Harmonic 采用的方法涉及使用合成数据生成进行训练。该系统不依赖于网络爬取的数据,而是自主生成正式的问题证明对,从而实现递归式的自我改进。

本质上,这个 AI 模型可以通过“自我游戏循环”进行自我训练,以扩展其能力,从简单的练习逐渐发展到解决高级定理。

Memo Newsletter

订阅 Memo 邮件列表,过滤噪音,捕捉最具价值的创投行业信号

最顶尖的 AI 行业创业者和投资人都在看

Subscribe
头像
Memo Team
Signal, not noise!
相关文章