Depuis des années, les chercheurs en IA anticipent le moment où les systèmes d’IA seront capables de s’améliorer mieux que les humains. Alors que les investisseurs investissent dans une nouvelle génération de laboratoires d’IA axés sur la recherche, il existe plus de ressources que jamais disponibles pour atteindre cet objectif. Aujourd’hui, l’un de ces néolabs a franchi une étape majeure vers sa concrétisation.
Mercredi, Adaption a présenté un nouveau produit appelé AutoScientist qui aide les modèles à acquérir rapidement des capacités spécifiques en utilisant une approche automatisée du réglage fin conventionnel. Les techniques sont applicables à un large éventail de domaines, mais l’équipe Adaptation se concentre particulièrement sur la possibilité d’accélérer et de faciliter le processus de formation et d’affiner un modèle d’IA de niveau frontière.
Selon la cofondatrice et PDG Sara Hooker, qui travaillait auparavant en tant que vice-présidente de la recherche en IA chez Cohere, AutoScientist représente une nouvelle façon d’aborder le processus de formation en IA. « Ce qui est très excitant, c’est qu’il co-optimise à la fois les données et le modèle, et apprend la meilleure façon d’apprendre n’importe quelle capacité », a déclaré Hooker à TechCrunch. « Cela suggère que nous pouvons enfin permettre des formations réussies en IA en dehors de ces laboratoires »
AutoScientist s’appuie sur l’offre de données existante de l’entreprise, Adaptive Data, qui vise à faciliter la création d’ensembles de données de haute qualité au fil du temps. AutoScientist, quant à lui, est conçu pour transformer ces ensembles de données en constante amélioration en modèles d’IA en constante amélioration. « Notre point de vue chez Adaption est que l’ensemble de la pile doit être complètement adaptable et doit essentiellement être optimisé à la volée, quelle que soit la tâche que vous avez », explique Hooker.
Bien entendu, cette approche ne sera efficace que dans la mesure où les résultats seront obtenus. Dans ses documents de lancement, Adaption se vante qu’AutoScientist a plus que doublé les taux de réussite sur différents modèles – des chiffres impressionnants, mais difficiles à mettre en contexte. Étant donné que le système est conçu pour adapter les modèles à des tâches spécifiques, les benchmarks conventionnels tels que SWE-Bench ou ARC-AGI ne sont pas applicables.
Néanmoins, Adaption est convaincu que les utilisateurs verront la différence une fois qu’ils auront essayé AutoScientist – si confiant que le laboratoire rend l’outil gratuit à utiliser pendant les 30 premiers jours après sa sortie.
« De la même manière que la génération de code a débloqué de nombreuses tâches, cela va débloquer de nombreuses innovations à la frontière de différents domaines », déclare Hooker.
Lorsque vous achetez via des liens dans nos articles, nous pouvons gagner une petite commission. Cela n’affecte pas notre indépendance éditoriale.
