Adaptions AutoScientist automatisiert die Modell-Feinabstimmung mit Closed-Loop-Training und übertrifft dabei manuell entworfene Konfigurationen.
In Kürze
Adaption stellt AutoScientist vor, ein System, das KI-Modelle automatisch anpasst, indem es sowohl Trainingsdaten als auch Lernprozesse für spezifische Aufgaben optimiert.
AnpassungDas von der ehemaligen Cohere-Forschungsvizepräsidentin Sara Hooker gegründete KI-Startup hat ein neues System namens AutoScientist vorgestellt. Dieses automatisiert die Anpassung von KI-Modellen an spezifische Aufgaben, indem es Trainingsdaten und Lernkonfigurationen gemeinsam optimiert. Das System soll die Arbeitsabläufe in der KI-Forschung und -Entwicklung automatisieren und den manuellen Aufwand bei der Modelloptimierung und -erprobung deutlich reduzieren.
AutoScientist wird als durchgängiges Framework beschrieben, das Datensätze und Trainingsrezepte gleichzeitig optimiert und dabei einen geschlossenen Regelkreis durchläuft, in dem sowohl die Datenauswahl als auch die Modelltrainingsparameter kontinuierlich angepasst werden. Dieser Prozess soll so lange fortgesetzt werden, bis sich die Leistung um einen bestimmten Wert stabilisiert. defiZielsetzung, wodurch das System effektiv sowohl das, woraus das Modell lernt, als auch die Art und Weise, wie es lernt, ohne ständiges menschliches Eingreifen verfeinern kann.
Laut dem Unternehmen soll das Tool die Zeitspanne von der ersten Idee bis zum implementierten, kundenspezifischen Modell verkürzen und Entwicklungszyklen potenziell von Wochen auf Stunden reduzieren. Es wird außerdem als Mechanismus präsentiert, der den Zugang zur Modellanpassung über Spezialisten für maschinelles Lernen hinaus erweitert und es Nutzern ohne tiefgreifende technische Kenntnisse ermöglicht, nicht nur Eingabeaufforderungen, sondern auch das zugrundeliegende Verhalten trainierter Systeme zu beeinflussen. Der Ansatz ist besonders relevant für Organisationen, die Modelle für domänenspezifische Sprache, strukturierte Ausgaben oder Effizienzbeschränkungen wie Latenz und Kosten optimieren und gleichzeitig proprietäre Datensätze in KI-Systemen effektiver nutzen möchten.
Interne Evaluierungen des Unternehmens legen nahe, dass AutoScientist im Vergleich zu Basismodellen bei Datensätzen mit 5,000 bis 100,000 Beispielen sowie bei verschiedenen Modellarchitekturen, die für die Feinabstimmung zur Verfügung stehen, eine verbesserte Leistung aufweist. Die Ergebnisse zeigen durchgängige Leistungssteigerungen unabhängig vom Anwendungsbereich. Die Leistungsmessung erfolgte anhand interner Evaluierungen, die auf spezifische Branchenanwendungen zugeschnitten sind.
Weitere Vergleiche im Rahmen der Evaluierung zeigen, dass AutoScientist eine höhere durchschnittliche Leistung erzielte als von menschlichen Forschern, darunter erfahrenen KI-Ingenieuren, entwickelte Konfigurationen. In diesen Tests wählten die Experten die Trainingskonfigurationen basierend auf ihrem Wissen über Modellarchitektur, Datensatzmerkmale und Domänenanforderungen aus. AutoScientist erhielt dieselben Eingaben und konnte seine Konfigurationen mithilfe historischer Laufzeitdaten iterativ optimieren. Unter diesen Bedingungen verbesserten sich die Gesamtergebnisse durch den Einsatz des automatisierten Systems von 48 auf 64 Prozent, was einer durchschnittlichen Leistungssteigerung von etwa 35 Prozent über alle Experimente hinweg entspricht.
AutoScientist beweist domänenübergreifende Stabilität und will gleichzeitig die Feinabstimmung von Frontier-Modellen demokratisieren
Zusätzliche Benchmarks in verschiedenen Anwendungsbereichen deuten darauf hin, dass das System nicht stark von spezifischen Domänen abhängt, da in acht verschiedenen Branchen Verbesserungen erzielt wurden. Das Unternehmen betont, dass diese Konsistenz bemerkenswert ist, da viele traditionelle Feinabstimmungsansätze außerhalb enger oder stark kuratierter Umgebungen tendenziell schlechtere Ergebnisse liefern, während AutoScientist Berichten zufolge über verschiedene Aufgaben und Datensätze hinweg stabilere Verbesserungen erzielt.
Das System ist Teil eines umfassenderen Vorhabens zur Automatisierung von Modellentwicklungsprozessen, insbesondere in Bereichen, die langfristiges Denken erfordern – eine anhaltende Herausforderung für die Zuverlässigkeit von KI. Die Entwickler geben an, dass AutoScientist einen ersten Schritt zur Reduzierung manueller Eingriffe in Modelltrainingsprozessen darstellt. Zukünftige Forschungsrichtungen konzentrieren sich auf die Ermöglichung direkterer Anpassungsformen, die möglicherweise keine traditionellen Trainingszyklen erfordern.
Neben den technischen Zielen verfolgt die Veröffentlichung auch das Ziel, den Zugang zur Modellanpassung zu erweitern und so einem breiteren Nutzerkreis die Möglichkeit zu geben, KI-Systeme für spezifische Anwendungen zu gestalten. Das Tool wird zunächst 30 Tage lang kostenlos zur Verfügung gestellt. Laut der Beschreibung besteht das übergeordnete Ziel darin, Hürden bei der Entwicklung von KI-Modellen abzubauen und die Erstellung maßgeschneiderter Systeme über einen kleinen Kreis spezialisierter Forscher in großen Laboren hinaus zu ermöglichen.
Ein zentrales Argument der Ankündigung ist, dass weltweit nur wenige Experten über das nötige Fachwissen verfügen, um hochmoderne KI-Modelle adäquat zu trainieren und zu optimieren. Dieses Wissen konzentriert sich größtenteils auf wenige große Forschungslabore. Es wird angenommen, dass die Entwicklung maßgeschneiderter Modelle für einzelne Organisationen und spezifische Anwendungsfälle zugänglicher und praktischer werden könnte, wenn ein System wie AutoScientist Teile dieses Fachwissens erfolgreich automatisieren kann.
Disclaimer
Im Einklang mit der Richtlinien des Trust-ProjektsBitte beachten Sie, dass die auf dieser Seite bereitgestellten Informationen nicht als Rechts-, Steuer-, Anlage-, Finanz- oder sonstige Beratung gedacht sind und nicht als solche interpretiert werden sollten. Es ist wichtig, nur so viel zu investieren, wie Sie sich leisten können, zu verlieren, und im Zweifelsfall eine unabhängige Finanzberatung einzuholen. Für weitere Informationen empfehlen wir einen Blick auf die Allgemeinen Geschäftsbedingungen sowie die Hilfe- und Supportseiten des Herausgebers oder Werbetreibenden. MetaversePost ist einer genauen, unvoreingenommenen Berichterstattung verpflichtet, die Marktbedingungen können sich jedoch ohne Vorankündigung ändern.
Über den Autor
Alisa, eine engagierte Journalistin bei der MPost, ist spezialisiert auf Krypto, KI, Investitionen und das weitreichende Gebiet von Web3. Mit einem scharfen Blick für neue Trends und Technologien liefert sie eine umfassende Berichterstattung, um die Leser über die sich ständig weiterentwickelnde Landschaft des digitalen Finanzwesens zu informieren und einzubeziehen.
Weitere Artikel
Alisa, eine engagierte Journalistin bei der MPost, ist spezialisiert auf Krypto, KI, Investitionen und das weitreichende Gebiet von Web3. Mit einem scharfen Blick für neue Trends und Technologien liefert sie eine umfassende Berichterstattung, um die Leser über die sich ständig weiterentwickelnde Landschaft des digitalen Finanzwesens zu informieren und einzubeziehen.
