AutoFlow 研究计划 —— 寻找深度技术思考者

AutoFlow 研究计划 —— 寻找深度技术思考者 在过去的几个月里，我一直在探索一个位于 AI、验证、信任和决策系统交叉点的问题：我们能否构建能够独立验证 AI 产生的声明，而不仅仅是生成答案的系统？最初的设想始于财务分析。考虑这样一个声明：“公司营收同比增长 25%。”如今，大多数 AI 系统会生成这一声明，但并未对其进行正式验证。我们的方法不同：从文档、报告或 AI 输出中提取声明；收集支持性证据；在可能的情况下应用数学和逻辑验证；识别不一致和矛盾；产生透明的推理，而非黑箱结论。 第一个原型专注于财务领域，因为财务声明是结构化的、可衡量的，且通常可客观验证。例如包括：营收增长计算、财务比率验证、跨文档一致性检查、资产负债表核对以及利润表验证。 随着研究的深入，我们遇到了更深层次的问题，涉及可计算性、信任、治理、形式化验证和裁决。一个认识是，并非每个声明都能被数学证明。这引出了一个更大的挑战：已证明的事实、可验证的声明、有证据支持的结论以及人类式裁决之间的界限在哪里？这个问题正成为我们长期研究愿景的基础。 近期里程碑 - 被接纳加入 NVIDIA Inception - 获得 NVIDIA 初创企业资源和技术项目的访问权限 - 构建首个以验证为中心的原型架构 - 与研究人员和经验丰富的工程师就验证和治理概念进行交流 - 初步接触种子前投资者和初创生态系统 我正在寻找的人 我有兴趣结识那些喜欢解决难题并愿意挑战假设的人。特别是： - AI/ML 研究人员和工程师 - 形式化验证和定理证明爱好者 - 分布式系统和编排专家 - C++ 系统工程师 - 应用数学家 - 信任、治理和决策系统研究人员 你将得到什么 对于合适的长期合作者： - 重要的技术所有权 - 对架构和研究方向的直接影响力 - 基于贡献和承诺的股权参与 - 访问团队可用的 NVIDIA Inception 资源 - 有机会帮助定义围绕 AI 信任和验证的新品类 我不是在寻找只是认同愿景的人。我在寻找能够发现其中缺陷的人。如果你对验证、可计算性、信任、形式化推理、治理、定理证明、符号系统或 AI 可靠性等概念感兴趣，我很乐意与你联系并交流想法。欢迎随时评论或发送消息。