Adaption'ın AutoScientist ürünü, kapalı döngü eğitim yöntemiyle model ince ayarını otomatikleştirerek insan tarafından tasarlanan yapılandırmalardan daha iyi performans gösteriyor.
Kısaca
Adaption, belirli görevler için hem eğitim verilerini hem de öğrenme süreçlerini optimize ederek yapay zeka modellerini otomatik olarak özelleştiren bir sistem olan AutoScientist'i tanıttı.
UyumuEski Cohere Araştırma Başkan Yardımcısı Sara Hooker tarafından kurulan bir yapay zeka girişimi olan [şirket adı], yapay zeka modellerini belirli görevlere uyarlama sürecini otomatikleştirmek için tasarlanmış AutoScientist adlı yeni bir sistem tanıttı. Bu sistem, hem eğitim verilerini hem de öğrenme yapılandırmalarını birlikte optimize ederek çalışıyor. Sistem, yapay zeka araştırma ve geliştirme iş akışlarını otomatikleştirmeye yönelik bir adım olarak konumlandırılıyor ve model ince ayarı ve denemelerinde genellikle gereken manuel çabayı azaltmayı amaçlıyor.
AutoScientist, veri kümelerini ve eğitim yöntemlerini eş zamanlı olarak optimize eden, veri seçimi ve model eğitim parametrelerinin sürekli olarak ayarlandığı kapalı bir döngü üzerinden yineleme yapan uçtan uca bir çerçeve olarak tanımlanmaktadır. Bu sürecin, performans belirli bir değer etrafında istikrara kavuşana kadar devam etmesi amaçlanmaktadır. defiBu amaç doğrultusunda, sistem sürekli insan müdahalesi olmadan hem modelin ne öğrendiğini hem de nasıl öğrendiğini etkili bir şekilde geliştirebilir.
Şirkete göre, bu araç, ilk konseptten devreye alınmış, özelleştirilmiş bir modele geçiş için gereken süreyi azaltmayı ve geliştirme döngülerini haftalardan saatlere indirmeyi amaçlıyor. Ayrıca, makine öğrenimi uzmanlarının ötesinde model özelleştirmesine erişimi genişleten bir mekanizma olarak sunuluyor; bu sayede derin teknik uzmanlığa sahip olmayan kullanıcılar yalnızca komutları değil, aynı zamanda eğitilmiş sistemlerin temel davranışlarını da etkileyebiliyor. Bu yaklaşım, özellikle alan özel dil, yapılandırılmış çıktılar veya gecikme ve maliyet gibi verimlilik kısıtlamaları için modelleri ince ayar yapmak isteyen ve yapay zeka sistemlerinde tescilli veri kümelerinden daha etkili bir şekilde yararlanmak isteyen kuruluşlar için oldukça önemli olarak değerlendiriliyor.
Şirket tarafından referans gösterilen dahili değerlendirmeler, AutoScientist'in 5,000 ile 100,000 örnek arasında değişen veri seti boyutlarında ve ince ayar için mevcut olan birden fazla model mimarisinde temel modellere kıyasla daha iyi performans gösterdiğini ortaya koymaktadır. Bildirilen sonuçlar, alan ne olursa olsun tutarlı kazanımlar olduğunu ve performansın belirli dikey uygulamalara göre uyarlanmış şirket içi değerlendirmeler kullanılarak ölçüldüğünü göstermektedir.
Değerlendirme çerçevesinde sunulan diğer karşılaştırmalar, AutoScientist'in deneyimli yapay zeka mühendisliği personeli de dahil olmak üzere insan araştırmacılar tarafından tasarlanan konfigürasyonlardan daha yüksek ortalama performans elde ettiğini göstermektedir. Bu testlerde, insan uzmanlar model mimarisi, veri kümesi özellikleri ve alan gereksinimleri hakkındaki bilgilerine dayanarak eğitim kurulumlarını seçerken, AutoScientist'e aynı girdiler verildi ve geçmiş çalışma verilerini kullanarak kendi konfigürasyonlarını yinelemeli olarak iyileştirme olanağı sağlandı. Bu koşullar altında, otomatik sistem kullanıldığında toplam sonuçların %48'den %64'e yükseldiği ve deneyler genelinde ortalama performans artışının yaklaşık %35 olduğu bildirilmiştir.
AutoScientist, Sınır Modellerinin İnce Ayarlanmasını Demokratikleştirmeyi Hedeflerken Alanlar Arası İstikrar Gösteriyor
Birden fazla uygulama alanında yapılan ek kıyaslama çalışmaları, sistemin belirli alanlara karşı aşırı duyarlı olmadığını ve sekiz farklı sektörde kazanımlar gözlemlendiğini göstermektedir. Şirket, bu tutarlılığın dikkat çekici olduğunu belirtiyor çünkü birçok geleneksel ince ayar yaklaşımı, dar veya son derece özelleştirilmiş ortamlar dışında genellikle düşük performans gösterirken, AutoScientist'in çeşitli görevler ve veri kümelerinde daha istikrarlı iyileştirmeler sağladığı bildiriliyor.
Sistem, özellikle yapay zeka güvenilirliğinde sürekli bir zorluk olmaya devam eden uzun vadeli akıl yürütme alanlarında, model geliştirme süreçlerini otomatikleştirmeye yönelik daha geniş bir çabanın parçası olarak konumlandırılmıştır. Geliştiriciler, AutoScientist'in model eğitim süreçlerinde manuel müdahaleye olan ihtiyacı azaltmaya yönelik erken bir adım olduğunu ve gelecekteki araştırma yönlerinin, geleneksel eğitim döngülerini gerektirmeyebilecek daha hızlı adaptasyon biçimlerini mümkün kılmaya odaklandığını belirtiyor.
Teknik hedeflerinin yanı sıra, bu sürüm aynı zamanda model özelleştirmesine erişimi genişletme ve daha geniş bir kullanıcı yelpazesinin belirli uygulamalar için yapay zeka sistemlerini şekillendirmesine olanak tanıma çabası olarak da çerçeveleniyor. Araç, ilk 30 günlük süre boyunca ücretsiz olarak kullanıma sunuluyor. Sağlanan çerçeveye göre, daha geniş amaç, yapay zeka model geliştirmenin önündeki engelleri azaltmak ve özel sistemler oluşturma yeteneğini, büyük laboratuvarlarda yoğunlaşmış küçük bir uzman araştırmacı grubunun ötesine genişletmektir.
Açıklamada vurgulanan önemli bir bağlamsal argüman, dünya genelinde çok az sayıda insanın ileri düzey yapay zeka modellerini doğru şekilde eğitmek ve ince ayar yapmak için gereken uzmanlığa sahip olması ve bu bilginin çoğunun sınırlı sayıda büyük araştırma laboratuvarında yoğunlaşmış olmasıdır. AutoScientist gibi bir sistemin bu uzmanlığın bazı yönlerini başarıyla otomatikleştirmesi durumunda, bireysel kuruluşlar ve belirli kullanım durumları için özelleştirilmiş modeller oluşturma sürecinin daha erişilebilir ve pratik olarak gerçekleştirilebilir hale gelebileceği öne sürülmektedir.
Feragatname
Doğrultusunda Trust Project yönergeleri, lütfen bu sayfada sağlanan bilgilerin hukuki, vergi, yatırım, finansal veya başka herhangi bir tavsiye niteliğinde olmadığını ve bu şekilde yorumlanmaması gerektiğini unutmayın. Yalnızca kaybetmeyi göze alabileceğiniz kadar yatırım yapmak ve herhangi bir şüpheniz varsa bağımsız finansal tavsiye almak önemlidir. Daha fazla bilgi için şartlar ve koşulların yanı sıra kartı veren kuruluş veya reklamveren tarafından sağlanan yardım ve destek sayfalarına bakmanızı öneririz. MetaversePost doğru, tarafsız raporlamaya kendini adamıştır, ancak piyasa koşulları önceden haber verilmeksizin değiştirilebilir.
Yazar hakkında
Alisa, kendini işine adamış bir gazetecidir. MPostKripto para birimleri, yapay zeka, yatırımlar ve geniş kapsamlı alanlarda uzmanlaşmıştır. Web3. Gelişmekte olan trendlere ve teknolojilere yönelik keskin bir bakış açısıyla, okuyucuları sürekli gelişen dijital finans ortamı hakkında bilgilendirmek ve etkileşime geçirmek için kapsamlı bir kapsam sunuyor.
Daha fazla haber
Alisa, kendini işine adamış bir gazetecidir. MPostKripto para birimleri, yapay zeka, yatırımlar ve geniş kapsamlı alanlarda uzmanlaşmıştır. Web3. Gelişmekte olan trendlere ve teknolojilere yönelik keskin bir bakış açısıyla, okuyucuları sürekli gelişen dijital finans ortamı hakkında bilgilendirmek ve etkileşime geçirmek için kapsamlı bir kapsam sunuyor.
