Los investigadores de IA han anticipado durante mucho tiempo el momento en que los sistemas de IA podrán automejorarse mejor que los humanos. A medida que los inversores invierten dinero en una nueva generación de laboratorios de IA impulsados por la investigación, hay más recursos disponibles que nunca para alcanzar sus objetivos. Ahora, uno de esos neolaboratorios ha dado un gran paso para hacerlo realidad.
El miércoles, Adaption anunció un nuevo producto llamado AutoScientist que permite a los modelos aprender rápidamente características específicas utilizando un enfoque automatizado para el ajuste fino tradicional. Aunque esta técnica se puede aplicar a una amplia gama de campos, el equipo de Adaptación se centra especialmente en su potencial para acelerar y facilitar el proceso de entrenamiento y ajuste de modelos de IA de nivel fronterizo.
Según la cofundadora y directora ejecutiva Sara Hooker, quien anteriormente se desempeñó como vicepresidenta de investigación de IA en Cohere, AutoScientist representa una nueva forma de abordar el proceso de capacitación en IA. «Lo que es realmente interesante es cooptimizar tanto los datos como el modelo, aprendiendo la mejor manera de aprender básicamente cualquier característica», dijo Hooker a TechCrunch. «Esto sugiere que, en última instancia, el entrenamiento de vanguardia en IA puede tener éxito fuera de estos laboratorios».
AutoScientist se basa en el producto de datos existente de la empresa, Adaptive Data, cuyo objetivo es facilitar la creación de conjuntos de datos de alta calidad a lo largo del tiempo. AutoScientist, por otro lado, está diseñado para convertir conjuntos de datos en mejora continua en modelos de IA en mejora continua. «Nuestra visión en Adaption es que toda la pila debe ser totalmente adaptable, optimizándose sobre la marcha para prácticamente cualquier tarea», dice Hooker.
Por supuesto, el enfoque es tan bueno como los resultados. Adaption se jacta en su anuncio de que AutoScientist ha más que duplicado la tasa de victorias en varios modelos. Esta es una cifra impresionante, pero es difícil de poner en contexto. Debido a que este sistema está diseñado para adaptar modelos a tareas específicas, los puntos de referencia tradicionales como SWE-Bench y ARC-AGI no son aplicables.
Aún así, Adaption confía en que los usuarios verán una diferencia una vez que prueben AutoScientist, y el laboratorio confía en que la herramienta esté disponible de forma gratuita durante los primeros 30 días después del lanzamiento.
«Así como la generación de código liberó muchas tareas, esto liberará mucha innovación en primera línea en muchos campos diferentes», afirma Hooker.
Si compra a través de enlaces en nuestros artículos, es posible que ganemos una pequeña comisión. Esto no afecta la independencia editorial.
Source link
