Adaptionov AutoScientist automatizira fino podešavanje modela s obukom u zatvorenoj petlji, nadmašujući konfiguracije koje su dizajnirali ljudi
Ukratko
Adaption predstavlja AutoScientist, sustav koji automatski prilagođava AI modele optimizacijom podataka za obuku i procesa učenja za određene zadatke.
privikavanje, AI startup koji je osnovala bivša potpredsjednica istraživanja u Cohereu, Sara Hooker, predstavio je novi sustav pod nazivom AutoScientist, osmišljen za automatizaciju procesa prilagođavanja AI modela specifičnim zadacima zajedničkom optimizacijom podataka za obuku i konfiguracija učenja. Sustav je pozicioniran kao korak prema automatizaciji tijeka rada u istraživanju i razvoju AI-a, s ciljem smanjenja ručnog napora koji je obično potreban za fino podešavanje modela i eksperimentiranje.
AutoScientist se opisuje kao end-to-end framework koji istovremeno optimizira skupove podataka i recepte za obuku, iterirajući kroz zatvorenu petlju u kojoj se kontinuirano prilagođavaju i parametri odabira podataka i parametri za obuku modela. Proces bi trebao trajati sve dok se performanse ne stabiliziraju oko defined cilj, učinkovito omogućujući sustavu da usavrši i ono iz čega model uči i kako to uči bez stalne ljudske intervencije.
Prema tvrtki, alat je namijenjen smanjenju vremena potrebnog za prelazak s početnog koncepta na implementirani, prilagođeni model, potencijalno komprimirajući razvojne cikluse s tjedana na sate. Također je predstavljen kao mehanizam koji proširuje pristup prilagodbi modela izvan okvira stručnjaka za strojno učenje, omogućujući korisnicima bez dubokog tehničkog znanja da utječu ne samo na upute već i na temeljno ponašanje obučenih sustava. Pristup je posebno relevantan za organizacije koje žele fino podesiti modele za jezik specifičan za domenu, strukturirane izlaze ili ograničenja učinkovitosti poput latencije i troškova, istovremeno učinkovitije iskorištavajući vlasničke skupove podataka unutar AI sustava.
Interne evaluacije na koje se tvrtka poziva sugeriraju da AutoScientist pokazuje poboljšane performanse u usporedbi s osnovnim modelima u rasponu veličina skupova podataka između 5,000 i 100 000 primjeraka, kao i u više arhitektura modela dostupnih za fino podešavanje. Prijavljeni rezultati ukazuju na dosljedne dobitke bez obzira na domenu, a performanse se mjere korištenjem internih evaluacija prilagođenih specifičnim vertikalnim primjenama.
Daljnje usporedbe predstavljene u okviru za evaluaciju pokazuju da je AutoScientist postigao veće prosječne performanse od konfiguracija koje su dizajnirali ljudski istraživači, uključujući iskusno osoblje za umjetnu inteligenciju. U tim su testovima ljudski stručnjaci odabrali postavke obuke na temelju svog znanja o arhitekturi modela, karakteristikama skupa podataka i zahtjevima domene, dok je AutoScientist dobio iste ulazne podatke uz mogućnost iterativnog poboljšanja vlastitih konfiguracija korištenjem povijesnih podataka o radu. Pod tim uvjetima, agregatni rezultati navodno su se poboljšali s 48 posto na 64 posto pri korištenju automatiziranog sustava, s prosječnim povećanjem performansi od približno 35 posto u eksperimentima.
AutoScientist pokazuje stabilnost među domenama dok istovremeno teži demokratizaciji finog podešavanja Frontier modela
Dodatna mjerenja u više područja primjene sugeriraju da sustav nije jako osjetljiv na određene domene, s uočenim dobicima u osam različitih vertikala. Tvrtka izvještava da je ova dosljednost značajna s obzirom na to da mnogi tradicionalni pristupi finom podešavanju imaju tendenciju slabijih rezultata izvan uskih ili visoko kontroliranih postavki, dok AutoScientist navodno pruža stabilnija poboljšanja u različitim zadacima i skupovima podataka.
Sustav je pozicioniran kao dio šireg napora za automatizaciju procesa razvoja modela, posebno u područjima koja uključuju dugoročno zaključivanje, što ostaje stalni izazov u pouzdanosti umjetne inteligencije. Razvojni programeri navode da AutoScientist predstavlja rani korak prema smanjenju potrebe za ručnom intervencijom u procesima obuke modela, s budućim istraživačkim smjerovima usmjerenima na omogućavanje neposrednijih oblika prilagodbe koji možda neće zahtijevati tradicionalne cikluse obuke.
Uz tehničke ciljeve, ovo izdanje je također zamišljeno kao napor da se proširi pristup prilagodbi modela, omogućujući širem krugu korisnika oblikovanje AI sustava za specifične primjene. Alat je dostupan besplatno za početno razdoblje od 30 dana. Širi cilj, prema danom okviru, jest smanjenje prepreka razvoju AI modela i proširenje mogućnosti stvaranja prilagođenih sustava izvan male skupine specijaliziranih istraživača koncentriranih u velikim laboratorijima.
Ključni kontekstualni argument istaknut u objavi jest da samo mali broj ljudi diljem svijeta posjeduje stručnost potrebnu za pravilno treniranje i fino podešavanje frontijskih modela umjetne inteligencije, pri čemu je većina tog znanja koncentrirana u ograničenom broju velikih istraživačkih laboratorija. Sugerira se da bi, ako sustav poput AutoScientista uspije uspješno automatizirati aspekte te stručnosti, proces izgradnje prilagođenih modela za pojedinačne organizacije i specifične slučajeve upotrebe mogao postati pristupačniji i praktičnije ostvariv.
Izjava o odricanju od odgovornosti
U skladu s Smjernice projekta povjerenja, imajte na umu da informacije navedene na ovoj stranici nemaju namjeru i ne smiju se tumačiti kao pravni, porezni, investicijski, financijski ili bilo koji drugi oblik savjeta. Važno je ulagati samo ono što si možete priuštiti izgubiti i potražiti neovisni financijski savjet ako imate bilo kakvih nedoumica. Za dodatne informacije predlažemo da pogledate odredbe i uvjete, kao i stranice za pomoć i podršku koje pruža izdavatelj ili oglašivač. MetaversePost je predan točnom, nepristranom izvješćivanju, ali tržišni uvjeti podložni su promjenama bez prethodne najave.
O autoru
Alisa, predana novinarka u MPost, specijaliziran za kriptovalute, umjetnu inteligenciju, ulaganja i široko područje Web3. S oštrim okom za nove trendove i tehnologije, ona pruža sveobuhvatnu pokrivenost kako bi informirala i uključila čitatelje u krajolik digitalnih financija koji se neprestano razvija.
Više članaka
Alisa, predana novinarka u MPost, specijaliziran za kriptovalute, umjetnu inteligenciju, ulaganja i široko područje Web3. S oštrim okom za nove trendove i tehnologije, ona pruža sveobuhvatnu pokrivenost kako bi informirala i uključila čitatelje u krajolik digitalnih financija koji se neprestano razvija.
