Una delle applicazioni più popolari dell'intelligenza artificiale fino ad oggi è stata quella di utilizzarla per prevedere le cose, utilizzando algoritmi addestrati su dati storici per determinare un risultato futuro. Ma popolarità non significa sempre successo: l'IA predittiva perde molte delle sfumature, del contesto e del ragionamento di causa ed effetto che entrano in un risultato; e come cablata indica e come si è visto in diversi casi, ciò significa che a volte le risposte “logiche” prodotte dall'IA predittiva possono essere disastrose. l'avvio Causa Obiettivo ha sviluppato una tecnologia di inferenza causale, presentata come uno strumento senza codice che non richiede a un data scientist di utilizzarla per introdurre più sfumature, ragionamenti e sensibilità di causa ed effetto in un sistema basato sull'intelligenza artificiale, che ritiene mira a risolvere questo problema.
L'obiettivo di Causa Obiettivo, ha affermato il CEO e co-fondatore Darko Matovski, è che l'IA "cominci a capire il mondo come fanno gli umani".
La startup si è assicurata un finanziamento di 45 milioni di dollari dopo il successo iniziale del suo approccio, aumentando le entrate del 500% da quando è apparsa un anno fa.
Dorilton Ventures e Molten Ventures (il VC che ha ribattezzato Draper Esprit) hanno guidato il round, con la partecipazione dei precedenti sponsor Generation Ventures e IQ Capital e del nuovo sponsor GP Bullhound. Varie fonti dicono che i valori rotondi Causa Obiettivo, con sede a Londra, a circa $ 250 milioni.
Clienti e partner di Causa Obiettivo attualmente includono assistenza sanitaria, servizi finanziari e organizzazioni governative, tra gli altri verticali, in cui la loro tecnologia viene utilizzata non solo per il processo decisionale guidato dall'intelligenza artificiale, ma anche per apportare più sfumature di causa ed effetto quando si ottengono risultati. .
Un esempio illustrativo di come funziona può essere trovato presso Mayo Clinic, uno dei partner della startup, che ha utilizzato Causa Obiettivo per identificare i biomarcatori del cancro.
"I corpi umani sono sistemi complessi, quindi, applicando i paradigmi di base dell'IA, puoi trovare qualsiasi modello desideri, correlazioni di qualsiasi tipo e non andrai da nessuna parte", ha affermato Darko Matovski, CEO e fondatore della startup AI. "Ma se applichi tecniche di causa ed effetto per comprendere i meccanismi di come funzionano i diversi corpi, puoi capire meglio la vera natura di come una parte influisce su un'altra".
Considerando tutte le variabili che potrebbero essere coinvolte, è il tipo di problema di big data che è quasi impossibile da calcolare per un essere umano, o anche per un team di umani, ma è un gioco per un modello computerizzato. Sebbene non produca una cura per il cancro, questo tipo di lavoro è un passo significativo per iniziare a considerare diversi trattamenti adattati alle molte permutazioni coinvolte.
La tecnologia di Causa Obiettivo è stato applicato anche in modo meno clinico nell'assistenza sanitaria. Un'agenzia di sanità pubblica non divulgata in una delle più grandi economie del mondo ha utilizzato il suo motore di intelligenza artificiale per determinare il motivo per cui alcuni adulti si sono astenuti dal vaccinarsi contro il COVID-19, quindi l'agenzia potrebbe escogitare strategie migliori.
Sono stati utilizzati altri clienti in aree come i servizi finanziari Causa Obiettivo per informare gli algoritmi decisionali automatizzati in aree come la valutazione del prestito, in cui i precedenti sistemi di IA introducevano pregiudizi nelle loro decisioni quando utilizzavano solo dati storici. D'altra parte, i fondi usano Causa Obiettivo per capire meglio come potrebbe svilupparsi un trend di mercato per informare le tue strategie di investimento.
Ed è interessante notare che una nuova ondata di clienti potrebbe emergere nel mondo del trasporto autonomo. Questo è un settore in cui la mancanza di ragionamento umano ha frenato il progresso nel campo.
"Non importa quanti dati vengono inseriti nei sistemi autonomi, si tratta sempre solo di correlazioni storiche", ha detto Matovski della sfida. Disse Causa Obiettivo è ora in trattative con due grandi aziende automobilistiche, con "molti casi d'uso" per la loro tecnologia, ma uno in particolare è la guida autonoma "per aiutare i sistemi a capire come funziona il mondo". Non si tratta solo di pixel correlati relativi a un semaforo rosso e un'auto che si ferma, ma anche quale sarà l'effetto di quell'auto che rallenta al semaforo rosso. Stiamo portando il ragionamento all'IA. L'IA causale è l'unica speranza per la guida autonoma".
Sembra ovvio che coloro che utilizzano l'IA nel loro lavoro vorrebbero che il sistema fosse il più accurato possibile, il che solleva la domanda sul perché il brillante miglioramento dell'IA causale non sia stato integrato negli algoritmi di intelligenza artificiale e nell'apprendimento automatico nel mondo. .
Non che ragionare ulteriormente e rispondere "perché" non fossero priorità fin dall'inizio, ha spiegato Matovski: "Le persone hanno esplorato le relazioni di causa ed effetto nella scienza per molto tempo. Si potrebbe anche sostenere che le equazioni di Newton siano causali. È super fondamentale nella scienza", ha detto, ma gli specialisti dell'IA non sono riusciti a capire come insegnare alle macchine a farlo. "Era troppo difficile", ha detto. "Gli algoritmi e la tecnologia non esistevano."
Le cose hanno iniziato a cambiare intorno al 2017, ha detto, quando gli accademici hanno iniziato a pubblicare approcci iniziali considerando come rappresentare il "ragionamento" e la causa ed effetto nell'IA sulla base della ricerca di indizi che hanno contribuito ai risultati esistenti (invece di utilizzare i dati storici per determinare i risultati), e costruire modelli basati su quello. È interessante notare che è un approccio che secondo Matovski non ha bisogno di ingerire grandi volumi di dati di formazione per funzionare. La squadra di Causa Obiettivo ha molti dottorati. E questa squadra ha raccolto questa sfida e l'ha vinta. "Da allora, è stata una curva di crescita esponenziale" in termini di scoperta.
Come previsto, Causa Obiettivo non è l'unico giocatore che cerca di sfruttare i progressi nell'inferenza causale in progetti più grandi che si basano sull'IA. Sul campo stanno lavorando anche Microsoft, Facebook, Amazon, Google e altri grandi attori tecnologici con ingenti investimenti nell'intelligenza artificiale. Tra le startup ci sono anche causalis concentrandosi in particolare sull'opportunità di utilizzare l'IA causale in medicina e assistenza sanitaria, e oogway sembra che stia costruendo una piattaforma di IA causale rivolta ai consumatori, un "assistente decisionale AI personalizzato" come si descrive. Tutto ciò parla dell'opportunità di svilupparsi ulteriormente e di un mercato abbastanza vasto per la tecnologia, che copre sia casi d'uso aziendali specifici che più generali.
“L'IA deve fare il passo successivo verso il ragionamento causale per raggiungere il suo potenziale nel mondo reale. Causa Obiettivo è il primo a sfruttare l'IA causale per modellare gli interventi e consentire l'introspezione guidata dalla macchina", ha affermato Daniel Freeman di Dorilton Ventures. “Questo team di talenti ha creato software con la sofisticatezza per conquistare i data scientist e la facilità d'uso per responsabilizzare i leader aziendali. Dorilton Ventures è molto entusiasta di supportare causaLens nella fase successiva del loro viaggio".
"Tutte le aziende adotteranno l'IA, non solo perché possono, ma perché devono", ha aggiunto Christoph Hornung, chief investment officer di Molten Ventures. “In Molten siamo convinti che la causalità sia l'ingrediente chiave necessario per sbloccare il potenziale dell'IA. Causa Obiettivo È la prima piattaforma di IA causale al mondo con una comprovata capacità di trasformare i dati in decisioni aziendali ottimali".
