Por anos, pesquisadores de IA anteciparam o momento em que os sistemas de IA seriam capazes de se aprimorar melhor do que os humanos. Com investidores injetando dinheiro em uma nova geração de laboratórios de IA orientados por pesquisa, há mais recursos do que nunca disponíveis para perseguir esse objetivo. Agora, um desses novos laboratórios deu um grande passo para tornar a realidade.
Na quarta-feira, a Adaption apresentou um novo produto chamado AutoScientist que ajuda os modelos a aprenderem capacidades específicas rapidamente, usando uma abordagem inteligente para o ajuste fino convencional. As técnicas são aplicáveis a uma ampla gama de campos, mas a equipe da Adaption é especialmente focada sem potencial de acelerar e facilitar o processo de treinamento e ajuste fino de um modelo de IA de ponta.
De acordo com a cofundadora e CEO da Adaption, Sara Hooker, que anteriormente trabalhou como VP de pesquisa de IA na Cohere, o AutoScientist representa uma nova maneira de abordar o processo de treinamento de IA. “O que é super empolgante nele é que ele cootimiza tanto os dados quanto o modelo, e aprende a melhor maneira de aprender qualquer capacidade”, disse Hooker ao TechCrunch. “Isso sugere que finalmente podemos permitir treinamentos de IA de muito bem-sucedidos fora desses laboratórios.”
O AutoScientist baseia-se na oferta de dados existentes da empresa, Adaptive Data, que visa facilitar a construção de conjuntos de dados de alta qualidade ao longo do tempo. O AutoScientist, por sua vez, foi projetado para transformar esses conjuntos de dados em constante aprimoramento em modelos de IA em constante aprimoramento. “Nossa visão na Adaptação é que toda a pilha deve ser completamente adaptável e deve ser aprimorada em tempo real para qualquer tarefa que você tenha”, diz Hooker.
Claro, essa abordagem só será tão boa quanto os resultados. Em seus materiais de lançamento, a Adaption afirma que o AutoScientist mais do que dobrou 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 experimentaram o AutoScientist — tão confiante que o laboratório está disponibilizando uma ferramenta gratuitamente para uso nos primeiros 30 dias após seu lançamento.
“Da mesma forma que a geração de código desbloqueou muitas tarefas, isso irá desbloquear muita inovação na fronteira de diferentes campos”, diz Hooker.
Fonte: Techcrunch
