Durante anos, os investigadores de IA anteciparam o momento em que os sistemas de IA serão capazes de melhorar melhor do que os humanos. Com os investidores a investirem dinheiro numa nova geração de laboratórios de IA orientados para a investigação, há mais recursos do que nunca disponíveis para atingir o objetivo. Agora, um desses neolabs deu um grande passo para torná-lo real.
Na quarta-feira, a Adaption lançou um novo produto chamado AutoScientist que ajuda os modelos a aprenderem rapidamente capacidades específicas usando uma abordagem automatizada para o ajuste fino convencional. As técnicas são aplicáveis a uma ampla gama de campos, mas a equipe de Adaptação está particularmente focada no potencial para acelerar e facilitar o processo de treinamento e ajuste fino de um modelo de IA de nível fronteiriço.
De acordo com a cofundadora e CEO Sara Hooker, que anteriormente trabalhou como vice-presidente de pesquisa de IA na Cohere, o AutoScientist representa uma nova maneira de abordar o processo de treinamento em IA. “O que é muito interessante nisso é que ele cootimiza os dados e o modelo e aprende a melhor maneira de aprender basicamente qualquer capacidade”, disse Hooker ao TechCrunch. “Isso sugere que podemos finalmente permitir um treinamento de IA de fronteira bem-sucedido fora desses laboratórios”
O AutoScientist baseia-se na oferta de dados existente da empresa, Adaptive Data, que visa facilitar a construção de conjuntos de dados de alta qualidade ao longo do tempo. Enquanto isso, o AutoScientist foi projetado para transformar esses conjuntos de dados em melhoria contínua em modelos de IA em melhoria contínua. “Nossa visão na Adaption é que toda a pilha deve ser completamente adaptável e basicamente otimizar rapidamente para qualquer tarefa que você tenha”, diz Hooker.
É claro que essa abordagem só será tão boa quanto os resultados. Nos seus materiais de lançamento, a Adaption afirma que o AutoScientist mais do que duplicou as taxas de vitória em diferentes modelos – números impressionantes, mas difíceis de contextualizar. Como o sistema é construído para adaptar modelos a tarefas específicas, benchmarks convencionais como SWE-Bench ou ARC-AGI não são aplicáveis.
Ainda assim, a Adaption está confiante de que os usuários verão a diferença assim que experimentarem o AutoScientist – tão confiante que o laboratório está disponibilizando a ferramenta para uso gratuito durante os primeiros 30 dias após seu lançamento.
“Da mesma forma que a geração de código desbloqueou muitas tarefas, isso irá desbloquear muitas inovações na fronteira de diferentes campos”, diz Hooker.
Quando você compra por meio de links em nossos artigos, podemos ganhar uma pequena comissão. Isso não afeta nossa independência editorial.
