L'une des applications les plus populaires de l'intelligence artificielle à ce jour a été de l'utiliser pour prédire des choses, en utilisant des algorithmes formés sur des données historiques pour déterminer un résultat futur. Mais la popularité ne signifie pas toujours le succès : l'IA prédictive passe à côté d'une grande partie des nuances, du contexte et du raisonnement de cause à effet qui entrent dans un résultat ; et comme filaire l'indique et comme on l'a vu dans plusieurs cas, cela signifie que parfois les réponses « logiques » produites par l'IA prédictive peuvent être désastreuses. le démarrage CauseLentille a développé une technologie d'inférence causale, présentée comme un outil sans code qui ne nécessite pas qu'un scientifique des données l'utilise pour introduire plus de nuances, de raisonnement et de sensibilité de cause à effet dans un système basé sur l'IA, qui, selon lui, vise à résoudre ce problème.
L'objectif de CauseLentille, a déclaré le PDG et co-fondateur Darko Matovski, est que l'IA "commence à comprendre le monde comme le font les humains".
La startup a obtenu un financement de 45 millions de dollars après le succès initial de son approche, augmentant ses revenus de 500% depuis son apparition il y a un an.
Dorilton Ventures et Molten Ventures (le VC qui a renommé Draper Esprit) ont mené le tour, avec la participation des sponsors précédents Generation Ventures et IQ Capital, et du nouveau sponsor GP Bullhound. Diverses sources disent que les valeurs rondes CauseLentille, basé à Londres, à environ 250 millions de dollars.
Clients et partenaires de CauseLentille ils comprennent actuellement les soins de santé, les services financiers et les organisations gouvernementales, entre autres secteurs verticaux, où leur technologie est utilisée non seulement pour la prise de décision basée sur l'IA, mais aussi pour apporter plus de nuances de cause à effet lors de l'obtention de résultats. .
Un exemple illustratif de la façon dont cela fonctionne peut être trouvé à la Mayo Clinic, l'un des partenaires de la startup, qui a utilisé CauseLentille pour identifier les biomarqueurs du cancer.
"Les corps humains sont des systèmes complexes, et donc en appliquant des paradigmes d'IA de base, vous pouvez trouver n'importe quel modèle que vous voulez, des corrélations de toutes sortes, et vous n'irez nulle part", a déclaré Darko Matovski, PDG et fondateur de la start-up. "Mais si vous appliquez des techniques de cause à effet pour comprendre les mécanismes de fonctionnement de différents corps, vous pouvez mieux comprendre la véritable nature de la façon dont une partie en affecte une autre."
Compte tenu de toutes les variables qui pourraient être impliquées, c'est le genre de problème de mégadonnées qu'il est presque impossible pour un humain, ou même une équipe d'humains, de calculer, mais c'est un jeu pour un modèle informatique. Bien qu'il ne produise pas de remède contre le cancer, ce type de travail est une étape importante pour commencer à envisager différents traitements adaptés aux nombreuses permutations impliquées.
technologie CauseLentille il a également été appliqué de manière moins clinique dans les soins de santé. Une agence de santé publique non divulguée dans l'une des plus grandes économies du monde a utilisé son moteur d'IA causale pour déterminer pourquoi certains adultes se sont abstenus de se faire vacciner contre le COVID-19, afin que l'agence puisse proposer de meilleures stratégies.
D'autres clients dans des domaines tels que les services financiers ont utilisé CauseLentille pour informer les algorithmes de prise de décision automatisée dans des domaines tels que l'évaluation des prêts, où les systèmes d'IA précédents introduisaient des biais dans leurs décisions lorsqu'ils n'utilisaient que des données historiques. D'autre part, l'utilisation des fonds CauseLentille pour mieux comprendre comment une tendance de marché pourrait se développer afin d'éclairer vos stratégies d'investissement.
Et fait intéressant, une nouvelle vague de clients pourrait émerger dans le monde du transport autonome. C'est un domaine où le manque de raisonnement humain a freiné les progrès sur le terrain.
"Peu importe la quantité de données introduites dans des systèmes autonomes, il ne s'agit toujours que de corrélations historiques", a déclaré Matovski à propos du défi. Il a dit que CauseLentille est actuellement en pourparlers avec deux grandes entreprises automobiles, avec "de nombreux cas d'utilisation" pour leur technologie, mais l'un en particulier est la conduite autonome "pour aider les systèmes à comprendre comment le monde fonctionne". Il ne s'agit pas seulement de pixels corrélés liés à un feu rouge et à une voiture qui s'arrête, mais aussi quel sera l'effet du ralentissement de cette voiture à un feu rouge. Nous apportons le raisonnement à l'IA. L'IA causale est le seul espoir pour la conduite autonome.
Parece obvio que aquellos que usan IA en su trabajo querrían que el sistema fuera lo más preciso posible, lo que plantea la pregunta de por qué la brillante mejora de la IA causal no se ha integrado en los algoritmos de IA y el aprendizaje automático en el premier lieu.
Non pas que raisonner davantage et répondre « pourquoi » n'étaient pas des priorités dès le départ, a expliqué Matovski : « Les gens explorent depuis longtemps les relations de cause à effet en science. On pourrait même soutenir que les équations de Newton sont causales. C'est super fondamental en science", a-t-il déclaré, mais les spécialistes de l'IA ne pouvaient pas comprendre comment apprendre aux machines à faire cela. "C'était trop difficile", a-t-il dit. "Les algorithmes et la technologie n'existaient pas."
Cela a commencé à changer vers 2017, a-t-il dit, lorsque les universitaires ont commencé à publier des approches initiales examinant comment représenter le "raisonnement" et la cause à effet dans l'IA en se basant sur la recherche d'indices qui ont contribué aux résultats existants (au lieu d'utiliser des données historiques pour déterminer les résultats), et construire des modèles basés sur cela. Fait intéressant, c'est une approche qui, selon Matovski, n'a pas besoin d'ingérer de gros volumes de données de formation pour fonctionner. L'équipe de CauseLentille il a de nombreux doctorats. Et cette équipe a relevé ce défi et l'a relevé. "Depuis, ça a été une courbe de croissance exponentielle" en termes de découverte.
Comme prévu, CauseLentille il n'est pas le seul acteur à chercher à exploiter les progrès de l'inférence causale dans des projets plus importants qui reposent sur l'IA. Microsoft, Facebook, Amazon, Google et d'autres grands acteurs de la technologie avec des investissements substantiels dans l'intelligence artificielle travaillent également sur le terrain. Parmi les startups, il y a aussi causalité se concentrant spécifiquement sur la possibilité d'utiliser l'IA causale dans la médecine et les soins de santé, et oogway il semble construire une plate-forme d'IA causale destinée aux consommateurs, un "assistant de décision personnalisé d'IA" comme il se décrit lui-même. Tout cela témoigne de l'opportunité de développer davantage et d'un marché assez massif pour la technologie, couvrant à la fois des cas d'utilisation commerciale spécifiques et des cas plus généraux.
"L'IA doit franchir la prochaine étape vers le raisonnement causal pour atteindre son potentiel dans le monde réel. CauseLentille c'est le premier à tirer parti de Causal AI pour modéliser les interventions et permettre l'introspection pilotée par la machine », a déclaré Daniel Freeman de Dorilton Ventures. "Cette équipe de talents a créé des logiciels avec la sophistication pour séduire les scientifiques des données et la facilité d'utilisation pour responsabiliser les chefs d'entreprise. Dorilton Ventures est très heureux de soutenir causaLens dans la prochaine étape de son voyage."
"Toutes les entreprises adopteront l'IA, non seulement parce qu'elles le peuvent, mais parce qu'elles le doivent", a ajouté Christoph Hornung, directeur des investissements chez Molten Ventures. "Chez Molten, nous sommes convaincus que la causalité est l'ingrédient clé nécessaire pour libérer le potentiel de l'IA. CauseLentille Il s'agit de la première plateforme d'IA causale au monde avec une capacité éprouvée à transformer les données en décisions commerciales optimales."
