AutoScientist od společnosti Adaption automatizuje jemné doladění modelu pomocí trénování v uzavřené smyčce a překonává tak konfigurace navržené člověkem.
Stručně
Společnost Adaption představuje AutoScientist, systém, který automaticky přizpůsobuje modely umělé inteligence optimalizací tréninkových dat i procesů učení pro specifické úkoly.
Adaptace, startup zabývající se umělou inteligencí, založený bývalou viceprezidentkou pro výzkum ve společnosti Cohere Sarou Hookerovou, představil nový systém s názvem AutoScientist, který je navržen tak, aby automatizoval proces přizpůsobování modelů umělé inteligence specifickým úkolům společnou optimalizací trénovacích dat a konfigurací učení. Systém je navržen jako krok k automatizaci pracovních postupů ve výzkumu a vývoji umělé inteligence s cílem snížit manuální úsilí obvykle vyžadované při doladění a experimentování s modely.
AutoScientist je popisován jako end-to-end framework, který současně optimalizuje datové sady a trénovací recepty a iteruje v uzavřené smyčce, ve které se průběžně upravují jak parametry výběru dat, tak i trénování modelu. Proces má pokračovat, dokud se výkon nestabilizuje na určité úrovni. deficíl, což systému efektivně umožňuje zdokonalovat jak to, z čeho se model učí, tak i jak se to učí, bez neustálého lidského zásahu.
Podle společnosti má nástroj zkrátit dobu potřebnou k přechodu od počátečního konceptu k nasazenému, přizpůsobenému modelu, a potenciálně tak zkrátit vývojové cykly z týdnů na hodiny. Je také prezentován jako mechanismus, který rozšiřuje přístup k přizpůsobení modelu i nad rámec specialistů na strojové učení a umožňuje uživatelům bez hlubokých technických znalostí ovlivňovat nejen výzvy, ale i základní chování trénovaných systémů. Tento přístup je koncipován jako obzvláště relevantní pro organizace, které se snaží doladit modely s ohledem na doménově specifický jazyk, strukturované výstupy nebo omezení efektivity, jako je latence a náklady, a zároveň efektivněji využívat proprietární datové sady v rámci systémů umělé inteligence.
Interní hodnocení, na která se společnost odvolává, naznačují, že AutoScientist vykazuje lepší výkon ve srovnání se základními modely v rozsahu velikostí datových sad mezi 5 000 a 100 000 příklady, stejně jako napříč různými architekturami modelů dostupnými pro jemné doladění. Uvedené výsledky ukazují konzistentní zlepšení bez ohledu na oblast, přičemž výkon je měřen pomocí interních hodnocení přizpůsobených specifickým vertikálním aplikacím.
Další srovnání prezentovaná v rámci hodnocení naznačují, že AutoScientist dosáhl vyššího průměrného výkonu než konfigurace navržené lidskými výzkumníky, včetně zkušených inženýrů umělé inteligence. V těchto testech lidští experti vybírali tréninková nastavení na základě svých znalostí architektury modelu, charakteristik datových sad a požadavků domény, zatímco AutoScientist dostal stejné vstupy spolu s možností iterativně zdokonalovat své vlastní konfigurace pomocí historických dat z běhů. Za těchto podmínek se souhrnné výsledky údajně zlepšily ze 48 procent na 64 procent při použití automatizovaného systému, s průměrným nárůstem výkonu přibližně o 35 procent napříč experimenty.
AutoScientist ukazuje stabilitu napříč doménami a zároveň se snaží demokratizovat doladění modelu Frontier.
Další benchmarking napříč různými aplikačními oblastmi naznačuje, že systém není silně citlivý na specifické domény, přičemž zlepšení byla pozorována v osmi různých vertikálech. Společnost uvádí, že tato konzistence je pozoruhodná vzhledem k tomu, že mnoho tradičních přístupů k jemnému doladění má tendenci dosahovat horších výsledků mimo úzká nebo vysoce kontrolovaná nastavení, zatímco AutoScientist údajně poskytuje stabilnější vylepšení napříč různými úkoly a datovými sadami.
Systém je součástí širšího úsilí o automatizaci procesů vývoje modelů, zejména v oblastech zahrnujících dlouhodobé uvažování, které zůstává trvalou výzvou v oblasti spolehlivosti umělé inteligence. Vývojáři naznačují, že AutoScientist představuje první krok ke snížení potřeby manuálních zásahů do trénovacích procesů modelů, přičemž budoucí výzkumné směry se zaměří na umožnění okamžitějších forem adaptace, které nemusí vyžadovat tradiční trénovací cykly.
Kromě technických cílů je toto vydání koncipováno také jako snaha o rozšíření přístupu k přizpůsobení modelů, což umožňuje širšímu okruhu uživatelů utvářet systémy umělé inteligence pro specifické aplikace. Nástroj je po dobu 30 dnů k dispozici zdarma. Širším cílem je podle poskytnutého rámce snížit překážky vývoje modelů umělé inteligence a rozšířit schopnost vytvářet systémy na míru nad rámec malé skupiny specializovaných výzkumníků soustředěných ve velkých laboratořích.
Klíčovým kontextovým argumentem zdůrazněným v oznámení je, že pouze malý počet lidí na celém světě disponuje odbornými znalostmi potřebnými k řádnému trénování a doladění modelů hraniční umělé inteligence, přičemž většina těchto znalostí je soustředěna v omezeném počtu velkých výzkumných laboratoří. Navrhuje se, že pokud by systém, jako je AutoScientist, dokázal úspěšně automatizovat aspekty těchto odborných znalostí, proces vytváření modelů na míru pro jednotlivé organizace a specifické případy užití by se mohl stát dostupnějším a prakticky dosažitelným.
Odmítnutí odpovědnosti
V souladu s Pokyny k projektu Trust, prosím vezměte na vědomí, že informace uvedené na této stránce nejsou určeny a neměly by být vykládány jako právní, daňové, investiční, finanční nebo jakékoli jiné formy poradenství. Je důležité investovat jen to, co si můžete dovolit ztratit, a v případě pochybností vyhledat nezávislé finanční poradenství. Pro další informace doporučujeme nahlédnout do smluvních podmínek a také na stránky nápovědy a podpory poskytnuté vydavatelem nebo inzerentem. MetaversePost se zavázala poskytovat přesné a nezaujaté zprávy, ale podmínky na trhu se mohou bez upozornění změnit.
O autorovi
Alisa, oddaná novinářka v MPost, specializuje se na kryptoměny, umělou inteligenci, investice a rozsáhlou oblast Web3. S velkým okem pro nové trendy a technologie poskytuje komplexní pokrytí, aby informovala a zapojila čtenáře do neustále se vyvíjejícího prostředí digitálních financí.
Další články
Alisa, oddaná novinářka v MPost, specializuje se na kryptoměny, umělou inteligenci, investice a rozsáhlou oblast Web3. S velkým okem pro nové trendy a technologie poskytuje komplexní pokrytí, aby informovala a zapojila čtenáře do neustále se vyvíjejícího prostředí digitálních financí.
