AutoScientist на Adaption автоматизира фината настройка на модела с обучение в затворен цикъл, превъзхождайки конфигурации, проектирани от човек
Накратко
Adaption представя AutoScientist, система, която автоматично персонализира AI модели, като оптимизира както данните за обучение, така и процесите на обучение за специфични задачи.
Адаптация, стартираща компания за изкуствен интелект, основана от бившия вицепрезидент по изследванията в Cohere Сара Хукър, представи нова система, наречена AutoScientist, предназначена да автоматизира процеса на приспособяване на моделите на изкуствен интелект към специфични задачи чрез съвместно оптимизиране както на данните за обучение, така и на конфигурациите за обучение. Системата е позиционирана като стъпка към автоматизиране на работните процеси за изследвания и разработки в областта на изкуствения интелект, с цел намаляване на ръчните усилия, обикновено необходими за фина настройка и експериментиране на модели.
AutoScientist е описан като цялостна рамка, която едновременно оптимизира набори от данни и рецепти за обучение, преминавайки през затворен цикъл, в който както параметрите за избор на данни, така и параметрите за обучение на модела се настройват непрекъснато. Процесът е предназначен да продължи, докато производителността се стабилизира около определено ниво. defiнеобходимата цел, като ефективно позволява на системата да усъвършенства както това, от което моделът се учи, така и начина, по който го учи, без постоянна човешка намеса.
Според компанията, инструментът е предназначен да намали времето, необходимо за преминаване от първоначална концепция към внедрен, персонализиран модел, потенциално компресирайки циклите на разработка от седмици до часове. Той е представен и като механизъм, който разширява достъпа до персонализиране на модели отвъд специалистите по машинно обучение, позволявайки на потребители без задълбочени технически познания да влияят не само на подканите, но и на основното поведение на обучените системи. Подходът е формулиран като особено подходящ за организации, които се стремят да прецизират моделите за специфичен за дадена област език, структурирани изходи или ограничения за ефективност, като например латентност и цена, като същевременно използват по-ефективно собствените набори от данни в рамките на системите с изкуствен интелект.
Вътрешните оценки, на които компанията се позовава, показват, че AutoScientist демонстрира подобрена производителност в сравнение с базовите модели в диапазон от размери на набори от данни между 5,000 и 100 000 примера, както и в множество архитектури на модели, достъпни за фина настройка. Докладваните резултати показват постоянни подобрения, независимо от областта, като производителността се измерва с помощта на вътрешни оценки, съобразени със специфични вертикални приложения.
Допълнителни сравнения, представени в рамката за оценка, показват, че AutoScientist е постигнал по-висока средна производителност от конфигурациите, проектирани от човешки изследователи, включително опитен екип от инженери по изкуствен интелект. В тези тестове човешки експерти са избрали настройки за обучение въз основа на познанията си за архитектурата на модела, характеристиките на набора от данни и изискванията на домейна, докато AutoScientist е получил същите входни данни, заедно с възможността итеративно да усъвършенства собствените си конфигурации, използвайки исторически данни от изпълнението. При тези условия, съвкупните резултати са се подобрили от 48% на 64% при използване на автоматизираната система, със средно повишаване на производителността от приблизително 35% в рамките на експериментите.
AutoScientist показва междудоменна стабилност, като същевременно се стреми да демократизира фината настройка на Frontier Model
Допълнителният бенчмаркинг в множество области на приложение показва, че системата не е силно чувствителна към специфични области, като се наблюдават подобрения в осем различни вертикала. Компанията съобщава, че тази последователност е забележителна, като се има предвид, че много традиционни подходи за фина настройка са склонни да се представят по-слабо извън тесни или строго контролирани настройки, докато AutoScientist съобщава, че предоставя по-стабилни подобрения при различни задачи и набори от данни.
Системата е позиционирана като част от по-широко усилие за автоматизиране на процесите на разработване на модели, особено в области, включващи дългосрочно разсъждение, което остава постоянно предизвикателство по отношение на надеждността на изкуствения интелект. Разработчиците посочват, че AutoScientist представлява ранна стъпка към намаляване на необходимостта от ръчна намеса в процесите на обучение на модели, като бъдещите насоки на изследване са насочени към осъществяване на по-незабавни форми на адаптация, които може да не изискват традиционни цикли на обучение.
Наред с техническите си цели, изданието е формулирано и като усилие за разширяване на достъпа до персонализиране на модели, позволявайки на по-широк кръг потребители да оформят системи с изкуствен интелект за специфични приложения. Инструментът се предоставя безплатно за първоначален период от 30 дни. По-широката цел, според предоставената рамка, е да се намалят бариерите пред разработването на модели с изкуствен интелект и да се разшири възможността за създаване на персонализирани системи отвъд малка група специализирани изследователи, концентрирани в големи лаборатории.
Ключов контекстуален аргумент, подчертан в съобщението, е, че само малък брой хора в световен мащаб притежават експертния опит, необходим за правилно обучение и фина настройка на гранични модели на изкуствен интелект, като по-голямата част от тези знания са концентрирани в ограничен брой големи изследователски лаборатории. Предполага се, че ако система като AutoScientist е в състояние успешно да автоматизира аспекти на този опит, процесът на изграждане на персонализирани модели за отделни организации и специфични случаи на употреба би могъл да стане по-достъпен и практически постижим.
Отказ от отговорност
В съответствие с Доверете се насоките на проекта, моля, имайте предвид, че предоставената на тази страница информация не е предназначена да бъде и не трябва да се тълкува като правен, данъчен, инвестиционен, финансов или каквато и да е друга форма на съвет. Важно е да инвестирате само това, което можете да си позволите да загубите, и да потърсите независим финансов съвет, ако имате някакви съмнения. За допълнителна информация предлагаме да се обърнете към правилата и условията, както и към страниците за помощ и поддръжка, предоставени от издателя или рекламодателя. MetaversePost се ангажира с точно, безпристрастно отчитане, но пазарните условия подлежат на промяна без предизвестие.
За автора
Алиса, всеотдаен журналист в MPost, специализира в криптовалути, изкуствен интелект, инвестиции и обширната сфера на Web3. С остър поглед към нововъзникващите тенденции и технологии, тя предоставя изчерпателно покритие, за да информира и ангажира читателите в непрекъснато развиващия се пейзаж на дигиталните финанси.
Още статии
Алиса, всеотдаен журналист в MPost, специализира в криптовалути, изкуствен интелект, инвестиции и обширната сфера на Web3. С остър поглед към нововъзникващите тенденции и технологии, тя предоставя изчерпателно покритие, за да информира и ангажира читателите в непрекъснато развиващия се пейзаж на дигиталните финанси.
