説明
Sup AIは、複数のAIモデルを組み合わせることで、単一のモデルに依存するよりもより正確な結果を得られるという考えに基づいて構築されました。このアプローチは、最前線のモデルのアンサンブルを調整し、出力を対数確率でスコアリングし、結果を統合することを含んでいました。この方法は効果的であり、しばしば個々のモデルを上回る結果を出しました。成功の要因は、相関のないエラーを持つモデルの選択、各モデルに対するクエリの最適化、信頼レベルに基づく出力の融合という3つの主要な戦略にありました。
使用の増加と有料コンバージョンの成長にもかかわらず、主要ベンダーのAPI上にアルゴリズムを実装する際に課題が生じました。AnthropicやOpenAIのような企業は、推論の痕跡や対数確率などの重要な信号へのアクセスを制限し、正確なシステムを構築する能力を妨げました。経済状況も変化し、推論に高いマージンがかかるため、独立した開発者が補助金を受けた消費者製品と競争することが難しくなりました。
消費者AIにおける精度の需要は二峰性であり、信頼できる回答に対して支払う意欲のある小さなセグメントが存在する一方で、大多数は精度よりもコストを優先します。この現実は、消費者市場での精度に焦点を当てたビジネスを維持することを困難にしました。B2B分野には機会がありましたが、創業者のケン・ミューラーはこの方向からの転換を決定し、研究に焦点を当てることを選びました。
ミューラーは現在スタンフォード大学の2年生で、言語モデルにおける因果推論に特化した研究所を設立する計画を立てています。この研究分野は、因果関係、介入、反事実を理解する上での現在のモデルの限界に対処することを目指しています。目標は、既存のモデルが失敗するポイントを明らかにするベンチマークを開発し、因果推論を基本的な側面として組み込んだモデルを作成することです。このシフトは、利益のために既存のソリューションを最適化するのではなく、AIにおけるより深い問いを探求することへのコミットメントを表しています。
アクティブなサブスクリプションを持つユーザーにはサービスが一時停止されており、返金またはデータコピーをリクエストできます。ミューラーは、新しい方向性に関するフィードバックや問い合わせについてオープンなコミュニケーションを奨励しています。
Sup AIの主要機能
アンサンブルモデルの調整
対数確率スコアリング
因果推論研究
API統合の課題
ターゲットユーザーベース
B2Bの機会
ユーザーフィードバックの取り入れ
サブスクリプション管理
Sup AIの使い方は？
ミッションを理解する: Sup AIの元のモデルから因果推論へのシフトについて学ぶ。
研究を探る: 因果推論の進展とAIへの影響を追う。
コミュニティに参加する: 新しい方向性についての議論やフィードバックを求める。
サブスクリプションを管理する: アクティブなサブスクリプションがあった場合、返金やデータリクエストのためにサポートに連絡する。
Sup AIの使用例
- 研究アプリケーション
- 法的文書
- 医療用投薬
- データ分析
- 政策開発
