Durante años, los investigadores de IA han anticipado el momento en que los sistemas de IA podrán mejorarse a sí mismos mejor que los humanos. Ahora que los inversores invierten dinero en una nueva generación de laboratorios de IA impulsados por la investigación, hay más recursos que nunca disponibles para alcanzar el objetivo. Ahora, uno de esos neolaboratorios ha dado un paso importante para hacerlo realidad.
El miércoles, Adaption presentó un nuevo producto llamado AutoScientist que ayuda a los modelos a aprender capacidades específicas rápidamente mediante el uso de un enfoque automatizado para el ajuste fino convencional. Las técnicas son aplicables a una amplia gama de campos, pero el equipo de Adaptación se centra particularmente en el potencial para acelerar y facilitar el proceso de entrenamiento y ajuste de un modelo de IA de nivel fronterizo.
Según la cofundadora y directora ejecutiva Sara Hooker, quien anteriormente trabajó como vicepresidenta de investigación de IA en Cohere, AutoScientist representa una nueva forma de abordar el proceso de capacitación en IA. «Lo que es súper emocionante es que cooptimiza tanto los datos como el modelo, y aprende la mejor manera de aprender básicamente cualquier capacidad», dijo Hooker a TechCrunch. «Esto sugiere que finalmente podemos permitir entrenamientos exitosos de IA fuera de estos laboratorios»
AutoScientist se basa en la oferta 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. Mientras tanto, AutoScientist está diseñado para convertir esos conjuntos de datos que mejoran continuamente en modelos de IA que mejoran continuamente. «Nuestra opinión en Adaption es que toda la pila debe ser completamente adaptable y, básicamente, debe optimizarse sobre la marcha para cualquier tarea que tenga», dice Hooker.
Por supuesto, ese enfoque sólo será tan bueno como los resultados. En sus materiales de lanzamiento, Adaption se jacta de que AutoScientist ha más que duplicado las tasas de ganancia en diferentes modelos: cifras impresionantes, pero difíciles de poner en contexto. Dado que el sistema está diseñado para adaptar modelos a tareas específicas, los puntos de referencia convencionales como SWE-Bench o ARC-AGI no son aplicables.
Aún así, Adaption confía en que los usuarios verán la diferencia una vez que prueben AutoScientist, y está tan seguro de que el laboratorio hará que la herramienta sea de uso gratuito durante los primeros 30 días después de su lanzamiento.
«De la misma manera que la generación de código desbloqueó muchas tareas, esto desbloqueará mucha innovación en la frontera de diferentes campos», afirma Hooker.
Cuando compra a través de enlaces en nuestros artículos, podemos ganar una pequeña comisión. Esto no afecta nuestra independencia editorial.
