Minotaur 在无语言模型和 GPU 的情况下实现 AI 风格推理

Minotaur 是一种基于 ELC（能量 - 控制 - 逻辑）架构的 AI 系统，它不依赖大语言模型或 GPU，而是通过在单个普通处理器核心上对系统结构进行测量而非预测来实现推理。该系统能在约四分之一秒内完成一次问答，并在多项盲测中表现与当前语言模型相当，包括警察访谈、生产线路故障诊断以及亚里士多德逻辑验证等场景。

其核心机制是将系统描述为驱动（Energy）、约束（Control）和逻辑（Logic）三个角色，并通过一个名为“settling”的操作来求解问题。这种设计使得 Minotaur 能够处理因果推断、反事实假设、学习未知系统结构等复杂任务，同时保证每个答案都有证书支持，可被复现和验证。例如，在生产线故障检测中，它能从数据中学习出系统的真实结构，并准确识别故障类型，误差范围控制在 0.002 至 0.023 之间。

与现有方法相比，Minotaur 不需要预先构建完整的系统模型，也不需要大量训练数据，就能在单一网络中完成多种推理形式。它在多个测试中击败了传统专家系统、逻辑编程器和概率图模型，甚至在某些情况下优于当前的语言模型。此外，该架构还具备跨系统迁移能力，可通过“transport”机制将结论从一个系统传递到另一个单位不同的系统中，预测精度提升显著。

事实：Minotaur 使用 ELC 架构，在普通 CPU 上运行，无需 GPU；在多项测试中与语言模型持平或超越。 推断：该架构可能成为未来端侧 AI 的重要替代方案，尤其适用于需要高可信度和低资源消耗的场景。 猜测：若进一步开放源码并优化性能，Minotaur 可能在工业控制、医疗诊断等领域获得广泛应用。