超越法学硕士：SandboxAQ 的大型定量模型如何优化企业人工智能

虽然大型语言模型（LLM）和生成式人工智能在过去的一年里，人工智能主导了企业人工智能对话，但企业还有其他方式可以从人工智能中受益。一种替代方案是大型定量模型 (LQM)。

LQM 经过培训，可以优化与行业或应用相关的特定目标和参数，例如材料属性或财务风险指标。这与法学硕士更一般的语言理解和生成任务形成鲜明对比。LQM 的主要倡导者和商业供应商包括沙盒AQ，该公司今天宣布在新一轮融资中筹集了 3 亿美元。该公司最初是 Alphabet 的一部分，作为一个独立的企业分拆出来2022年。

这笔资金证明了该公司的成功，更重要的是，证明了其未来的增长前景，因为它希望解决企业人工智能用例。SandboxAQ 已与埃森哲、德勤和安永等主要咨询公司建立了合作伙伴关系，以分销其企业解决方案。

LQM 的主要优势是能够解决行业中复杂的、特定领域的问题，而这些行业中的基础物理和定量关系至关重要。

“这一切都与使用我们的人工智能的公司的核心产品创造有关，”SandboxAQ 首席执行官 Jack Hidary 告诉 VentureBeat。“因此，如果您想创造一种药物、一种诊断方法、一种新材料，或者您想在一家大银行进行风险管理，那么定量模型就发挥了作用。”

为什么 LQM 对企业 AI 很重要

LQM 与 LLM 有着不同的目标和工作方式。不像处理互联网来源文本数据的法学硕士，LQM 根据数学方程和物理原理生成自己的数据。目标是解决企业可能面临的定量挑战。

“我们生成数据并从定量来源获取数据，”Hidary 解释道。

这种方法能够在传统方法停滞不前的领域取得突破。例如，在锂离子技术主导了 45 年的电池开发领域，LQM 可以模拟数百万种可能的化学组合，而无需物理原型设计。

同样，在药物开发中，传统方法在临床试验中面临很高的失败率，LQM 可以在电子水平上分析分子结构和相互作用。

与此同时，在金融服务领域，LQM 解决了传统建模方法的局限性。 

“蒙特卡罗模拟已不足以处理结构化工具的复杂性，”希达里说。蒙特卡洛模拟是一种经典的计算算法形式，它使用随机采样来获取结果。借助 SandboxAQ LQM 方法，金融服务公司可以以蒙特卡罗模拟无法实现的方式进行扩展。希达里指出，一些金融投资组合可能非常复杂，包含各种结构性工具和期权。

“如果我有一个投资组合，并且我想知道该投资组合发生变化时的尾部风险是多少，”Hidary 说，“我想做的是创建 300到该投资组合的 5 亿个版本，稍加修改，然后我想看看尾部风险。”

SandboxAQ 如何使用 LQM 来提高网络安全

Sandbox AQ 的 LQM 技术专注于帮助企业创造新产品、材料和解决方案，而不仅仅是优化现有流程。

该公司一直在创新的企业垂直领域之一是网络安全。2023年，公司首次发布三明治密码管理技术。此后，该公司的 AQtive Guard 企业解决方案进一步扩展了这一功能。 

该软件可以分析企业的文件、应用程序和网络流量，以识别正在使用的加密算法。这包括检测过时或损坏的加密算法（例如 MD5 和 SHA-1）的使用情况。SandboxAQ 将此信息输入管理模型，该模型可以向首席信息安全官 (CISO) 和合规团队发出有关潜在漏洞的警报。

虽然LLM 可用于相同目的，LQM 采用不同的方法。法学硕士接受广泛的非结构化互联网数据的培训，其中可能包括有关加密算法和漏洞的信息。相比之下，SandboxAQ 的 LQM 是使用有关加密算法、其属性和已知漏洞的有针对性的定量数据构建的。LQM 使用这种结构化数据来构建专门用于加密分析的模型和知识图，而不是依赖于一般语言理解。

展望未来，Sandbox AQ 还在开发未来的修复模块，该模块可以自动建议和实施对所使用的加密的更新。

没有量子计算机或变压器的量子维度

SandboxAQ 背后的最初想法是将人工智能技术与量子计算相结合。

希达里和他的团队很早就意识到，真正的量子计算机在短期内并不容易获得，也不会足够强大。SandboxAQ 使用通过增强的 GPU 基础设施实现的量子原理。通过合作，SandboxAQ 扩展了 Nvidia 的 CUDA 功能来处理量子技术。 

SandboxAQ 也不使用变压器，而变压器是几乎所有法学硕士的基础。

“我们训练的模型是神经网络模型和知识图，但它们不是 Transformer，”Hidary 说。– 您可以根据方程式生成数据，但也可以从传感器或其他类型的来源和网络获得定量数据。 –

虽然 LQM 与 LLM 不同，但 Hidary 并不认为这对企业来说是一种非此即彼的情况。

“利用法学硕士做他们擅长的事情，然后引入 LQM 做他们擅长的事情，”他说。