Hemos tenido mucho éxito con la representación de la idea abstracta a través de Calibrated Quantum Mesh (CQM). Utilizamos CQM para automatizar flujos de trabajo complejos en las empresas. En el proceso tenemos que lidiar con ideas abstractas expresadas en forma de lenguaje.
Hemos descubierto que, si bien el aprendizaje profundo brinda resultados sorprendentes para la información estructurada, tiene dificultades para representar ideas no estructuradas. El modelo en sí es capaz, pero necesita muchos datos para entrenar a todos los matices del pensamiento humano. También necesita que los datos sean anotados por expertos en la materia, lo cual tiene un costo prohibitivo en la mayoría de las situaciones.
CQM tiene tres principios básicos.
- Cómo hacer un proyecto de aprendizaje automático desde cero si no tengo idea al respecto
- ¿Puede AI controlar un grupo de ataque de portaaviones de la Marina de los EE. UU.?
- Un gobierno global dirigido por una IA diseñada para alcanzar la prosperidad en todos los países del planeta eliminaría las armas mundiales de una vez, ¿correcto?
- ¿Cómo se crean los softwares de inteligencia artificial como la asistencia de Google y Siri?
- ¿Por qué las redes neuronales profundas usan tanta potencia de procesamiento?
- CQM reconoce que en la naturaleza un símbolo, palabra, texto o cualquier variable puede tener múltiples significados, algunos más probables que otros. Los sistemas basados en CQM consideran todas esas posibilidades (estados cuánticos) para encontrar las respuestas.
- CQM reconoce que todo está correlacionado entre sí y que cada elemento limita los posibles significados que otros elementos podrían tener. Los sistemas basados en CQM usan esta malla de interconexiones para reducir el error.
- CQM agrega toda la información disponible secuencialmente para converger la malla a un solo significado. Tal proceso de calibración identifica rápidamente las lagunas y permite un proceso de entrenamiento muy rápido que conduce a una precisión muy alta.
Estamos utilizando para resolver casos de uso como la búsqueda, síntesis, extracción de conocimiento estructurado y redacción / clasificación del lenguaje natural de información sensible o personal. Espero que esto ayude.