Als ersten wichtigen Meilenstein auf unserer Reise hin zu einer neuen Generation von AI-Systemen haben wir eine Stand-alone Reasoning Engine entwickelt, die in Kombination mit existierenden AI-Sprachmodellen der GPT4-Klasse in der Lage ist, komplexe Aufgaben eigenständig und mit hoher Zuverlässigkeit zu lösen.
Das Zusammenwirken aus AI-Sprachmodellen, strukturiertem Wissen und unserer dedizierten Reasoning Engine ist von biologischen Prinzipien inspiriert und hebt die Leistungsfähigkeit von maschinellem ‘Verstehen’ und ‘Denken’ auf eine neue Stufe. Dieser von uns entwickelte Ansatz für Bionic Reasoning zeichnet sich durch Generalisierbarkeit, Skalierbarkeit und Effizienz aus.
Gegenüber so genannten Large Reasoning Modellen (wie z.B. o1) hat Bionic Reasoning den Vorteil, dass keine teuren und aufwändigen Trainings durchlaufen werden müssen, sondern der Zuwachs der Intelligenz rein auf Ebene von Software Engineering realisiert wird. Das ermöglicht kürzere Innovationszyklen und einen signifikant geringeren Ressourcen-Verbrauch.
Das Zusammenwirken aus AI-Sprachmodellen, strukturiertem Wissen und unserer dedizierten Reasoning Engine ist von biologischen Prinzipien inspiriert und hebt die Leistungsfähigkeit von maschinellem ‘Verstehen’ und ‘Denken’ auf eine neue Stufe. Dieser von uns entwickelte Ansatz für Bionic Reasoning zeichnet sich durch Generalisierbarkeit, Skalierbarkeit und Effizienz aus.
Gegenüber so genannten Large Reasoning Modellen (wie z.B. o1) hat Bionic Reasoning den Vorteil, dass keine teuren und aufwändigen Trainings durchlaufen werden müssen, sondern der Zuwachs der Intelligenz rein auf Ebene von Software Engineering realisiert wird. Das ermöglicht kürzere Innovationszyklen und einen signifikant geringeren Ressourcen-Verbrauch.
Stand-alone Reasoning
Einbettung von Wissen (Grounding)
Function Calling (Agentic)
Übersicht
Stand-alone Reasoning
Einbettung von Wissen (Grounding)
Function Calling (Agentic)
Übersicht
Die embraceableONE Reasoning Engine übernimmt in unseren Systemen denjenigen Part, der in menschlichen Gehirnen vom so genannten Denkzentrum (konkret: dem präfrontalen Cortex) übernommen wird.
In Zusammenarbeit mit einem Standard AI-Sprachmodell der GPT4-Klasse ist die Reasoning Engine in der Lage, eigenständige Denk-, Validierungs- und Abwägungs-Prozesse zu durchlaufen und entsprechende Schlussfolgerungen zu ziehen.
Die Kombination bietet eine herausragende aus intellektueller Leistungsfähigkeit und Zuverlässigkeit und macht die embraceableONE Engine zu einem Schlüssel, um Advanced Intelligence in geschäftskritische Prozesse und regulierte Umgebungen zu bringen.
Komplexe Aufgaben werden in einzelne Sub-Aufgaben zerlegt.
Jede Sub-Aufgabe wird mit individuellem Wissens kontextualisiert.
Das Wissen wird im Kontext der konkreten Sub-Aufgabe interpretiert.
Die individuelle Interpretation wird auf inhaltlicher Ebene plausibilisiert.
Nach erfolgreicher Plausibilisierung erfolgt eine formale Validierung gegen individuell konfigurierbare Verhaltens-Richtlinien.
Nach erfolgreicher Validierung wird die finale Schlussfolgerung gezogen und das Ergebnis an die nächste Sub-Aufgabe übergeben.
In dem nachfolgenden Video siehst Du, wie unser System (auf Grundlage der embracableONE Reasoning Engine im Verbund mit einem Standard Llama3.1 405B-Modell) ein Logik-Rätsel eigenständig über einen mehrstufigen Prozess hinweg löst. Das Sprachmodell alleine ist nachweislich nicht in der Lage, diese Aufgabe zuverlässig zu lösen.
Die schrittweise Aufbereitung und strukturierte Ablage von veredeltem Wissen ist eine wichtige Voraussetzung für zuverlässige KI-Nutzung: auf diese Weise kann das Allgemeinwissen aus den KI-Sprachmodellen um relevante Fakten und individuelles Spezialwissen ergänzt werden.
Auf die gleiche Weise werden die für die Automatisierung von Prozessen / Agentic Workflows zu beachtenden Gesetze, regulatorischen Vorgaben und individuellen Unternehmens-Richtlinien auf strukturierte Weise vorgehalten.
Unstrukturierte Informationen werden Struktur- und Kontext-sensitiv extrahiert und bei Bedarf für die weitere Verarbeitung bereinigt.
Auf der Basis von Ontologie-Strukturen werden Roh-Informationen schrittweise zu Wissens-Fragmenten angereichert.
Die angereicherten Wissens-Fragmente werden in einem für AI-Systeme “Abruf-freundlichen” Format abgelegt.
Die systematische Vernetzung einzelner Wissens-Fragmente resultiert in hochwertigem, verdichteten Wissen.
AI-Sprachmodelle sind eine wichtige aber letztendlich austauschbare Commodity-Komponente der embraceable Plattform. Dank unseres Multi-Source AI Paradigmas sind wir ‘Modell-agnostisch by Design’ und ermöglichen Dir auf dieser Grundlage maximale Flexibilität und Wahlfreiheit. Das Gleiche gilt im Übrigen für die zugrunde liegenden Compute-Infrastrukturen.
Darüber hinaus legen wir großen Wert darauf, dass keine Daten beim Modell-Betreiber persistiert werden oder gar für Modell-Training genutzt werden. Du bleibst also auch vollständig “Daten-souverän”. Mehr Flexibilität und Wahlfreiheit geht nicht!
Die embraceable Plattform kann in Kombination mit allen führenden AI-Sprachmodellen und Embedding Modellen genutzt werden.
Dank des Modell-agnostischen Ansatzes kannst Du auch problemlos quelloffene Modelle wie z.B. Llama3.1 450B oder Mixtral 7x8B benutzen.
