SEMAは、言語理解と推論が次のトークン予測ではなく明示的な意味構造から出現するかどうかを調査する実験的なAIアーキテクチャです。これは、コンテンツアドレス可能メモリ上でベクトル記号構造（VSA/HDC）を利用する非パラメトリックなインスタンスベースの推論システムとして機能します。

  • コンストラクションによる多言語サポートを備えたCPUファースト設計。
  • 不透明な埋め込みの代わりに透明な内部表現を使用。
  • 知識をニューラルウェイトにのみ保存するのではなく、明示的な関係メモリを実装。
  • VSA/HDCを通じて合成可能な意味表現を採用。
  • 自己回帰的生成の代わりにグラフベースの推論を利用。

本プロジェクトはソースが公開されており、研究者がアーキテクチャの研究、再現、挑戦を行いながら、独立した研究の継続性を保護することを可能にします。