Pathway bygger AI som aldri slutter å lære — og løser hallusinasjon-problemet
Pathway hevder å ha løst to av AI's største svakheter: hallusinasjon og dårlig hukommelse. Deres post-LLM-arkitektur oppdaterer seg kontinuerlig fra sanntids-data uten å glemme det den vet.
AI For Work setter Pathway øverst på lista over ukens viktigste AI-selskaper — og det er ikke tilfeldig.
De fleste kjente AI-modeller, inkludert GPT-5 og Claude, har et grunnleggende problem: de er trent én gang og «frosset». Alt de vet er fra treningsdatasettet. Det betyr at de kan hallusinere om ting de aldri har sett, og de glemmer ingenting fordi de aldri husker noe mellom samtaler.
Pathways tilnærming er fundamentalt annerledes: De bygger ikke på transformer-arkitekturen i det hele tatt. I stedet bruker de en strømmende dataarkitektur der modellen kontinuerlig oppdateres fra sanntids-inputkilder — uten å «glemme» det den allerede vet.
Tre konkrete fordeler: - Ingen hallusinasjon om ferske hendelser — modellen vet hva som skjedde i dag fordi den leste det i dag - Persistens — modellen husker hva brukeren sa i forrige uke uten å trenge prompt-engineering - Konsistens — svar er ikke stokastiske gjentagelser av treningsdata, men faktabaserte slutninger fra levende datastrømmer
Poetiqs parallelle tilnærming: Et annet selskap — Poetiq — jobber med rekursiv selvforbedring (RSI), der modellen forbedrer sine egne responser i en løkke. AI For Work omtaler begge som «tidlige men alvorlige» forsøk på å gå forbi transformer-paradigmet.
For norske bedrifter betyr dette at de to mest frustrerende aspektene ved dagens AI — at den lyver om ferske fakta og har dårlig hukommelse — kan løses innen to til tre år.