Startup Subquadratic ujawnił się z ambitnym celem: przełamaniem matematycznego bottlenecku, który od lat hamuje rozwój coraz większych modeli językowych. Rzeczona przeszkoda dotyczy wydajności obliczeniowej wymagane do trenowania i uruchamiania LLM-ów, a jej rozwiązanie mogłoby znacząco przyspieszyć postęp w dziedzinie generatywnej sztucznej inteligencji.
Ograniczenia obliczeniowe w modelach transformerowych były jednym z głównych problemów ograniczających skalę i praktyczne zastosowanie współczesnych LLM-ów. Jeśli Subquadratic rzeczywiście znalazł skuteczne obejście tego zagadnienia, mogłoby to otworzyć drzwi do szybszych, wydajniejszych i bardziej dostępnych systemów AI. Taki przełom miałby potencjał zarówno dla dużych firm technologicznych, jak i mniejszych startup-ów pracujących nad własnymi modelami.
Równolegle obserwujemy dynamiczny postęp w testach interfejsów mózg-komputer (BCI), które przybliżają nas do bezpośredniej komunikacji między ludzkim mózgiem a urządzeniami elektronicznymi. Te dwie ścieżki rozwojowe — optymalizacja algorytmów AI i neurotechnologia — reprezentują kluczowe kierunki badań, które mogą fundamentalnie zmienić sposób interakcji człowieka z technologią w nadchodzących latach.