Liquid AI，一家從麻省理工學院衍生的創新公司，正開發一種全新的AI模型，以「第一原理」為基礎，突破傳統GPT框架的限制。這些模型強調因果關係、可解釋性以及環境永續性，目標是提高AI的效率與透明度，特別適用於特定領域與通用系統。該公司已獲得4,660萬美元的投資，並有潛力顛覆AI產業，提供更具成本效益與適應性的解決方案。這一技術或將引領未來AI發展的新方向。
在 AI 領域快速發展的當下，Liquid AI 的出現帶來了一個全新的研究方向。這家由麻省理工學院（MIT）衍生的公司，正在利用「第一原理」來開發嶄新的 AI 模型，以解決目前 Transformer 模型面臨的局限。
Transformer 模型，特別是基於 GPT 的語言模型，已經成為生成式 AI 的基礎。這些模型依賴於深度學習和海量的語料訓練，能夠以極高的精度進行語言生成、預測和翻譯，但其模型結構卻有一些不可忽視的問題，特別是在因果推理和可解釋性方面。GPT-4 等 Transformer 模型雖然強大，但使用者難以完全理解模型的決策過程，這讓它們在應用於敏感的領域（如醫療、法律）時面臨挑戰。此外，這些模型通常能耗較高，尤其是訓練階段，這與全球對環境永續發展的需求產生衝突。Liquid AI 則試圖改變這一現狀。它的模型建立在「第一原理」的基礎上，不僅更具透明度，而且其設計更關注因果推理，這意味著 AI 能夠做出更具邏輯性和可解釋性的決策。此種模型在專業領域如醫療、金融等具有巨大的潛力，能夠提升人們對 AI 的信任度，並幫助決策者更好地理解 AI 的運作機制。Liquid AI 還強調其技術的環保性，通過更高效的計算模型來降低能源消耗，這使其在面臨全球能源危機和環保挑戰時具備優勢。
在資金方面，Liquid AI 已獲得4,660萬美元的投資，這展示了市場對這類技術的高度興趣。投資者認為，該公司的技術有望顛覆傳統的 AI 模型結構，為產業帶來更加經濟且高效的解決方案。對比 GPT 類 Transformer 模型，Liquid AI 不僅能大幅減少訓練過程中的資源消耗，還可以更靈活地應用於多個垂直領域，從而提升模型的適應性。
值得注意的是，Liquid AI 模型的另一大亮點在於其可擴展性。由於採用以因果關係為基礎的設計理念，這些模型更容易針對特定行業進行定制。例如，在醫療診斷中，這類模型能夠基於具體的醫學數據進行推理，而不僅僅依賴於數據統計。這種特性也有望使 Liquid AI 成為 AI 領域的下一個重要里程碑。
隨著 AI 技術的不斷演進，Transformer 模型仍然是目前生成式 AI 的主要力量，但 Liquid AI 的崛起則標誌著一種全新思維方式的到來——以透明度和因果性為核心，提升 AI 的可解釋性和效率。這場 AI 模型的革命或將改變我們未來對人工智慧的理解與應用，也讓人更加期待 Liquid AI 在市場上掀起的科技浪潮。
