Adaption zielt hoch mit AutoScientist, einem KI-Tool, das Modelle selbstständig trainiert
Jahrelang haben KI-Forscher den Moment erwartet, an dem KI-Systeme sich besser verbessern können als Menschen. Mit Investoren, die Geld in eine neue Generation forschungsgetriebener KI-Labore pumpen, stehen mehr Ressourcen denn je zur Verfügung, um dieses Ziel zu verfolgen. Jetzt hat eines dieser Neulabore einen großen Schritt in Richtung Realität gemacht.
Am Mittwoch stellte Adaption ein neues Produkt namens AutoScientist vor, das Modellen hilft, spezifische Fähigkeiten schnell zu erlernen, indem es einen automatisierten Ansatz zur herkömmlichen Feinabstimmung verwendet. Die Techniken sind auf eine Vielzahl von Bereichen anwendbar, aber das Team von Adaption konzentriert sich besonders auf das Potenzial, den Prozess des Trainings und der Feinabstimmung eines KI-Modells auf Spitzenniveau zu beschleunigen und zu erleichtern.
Laut Mitgründerin und CEO Sara Hooker, die zuvor als VP für KI-Forschung bei Cohere tätig war, stellt AutoScientist einen neuen Ansatz für den KI-Trainingsprozess dar. „Was daran super spannend ist, ist, dass es sowohl die Daten als auch das Modell co-optimiert und die beste Methode lernt, um jede Fähigkeit zu erlernen“, sagte Hooker gegenüber TechCrunch. „Das deutet darauf hin, dass wir endlich erfolgreiche KI-Trainings außerhalb dieser Labore ermöglichen können.“
AutoScientist baut auf dem bestehenden Datenangebot des Unternehmens, Adaptive Data, auf, das darauf abzielt, über die Zeit hinweg qualitativ hochwertige Datensätze einfacher zu erstellen. AutoScientist hingegen soll diese kontinuierlich verbesserten Datensätze in kontinuierlich verbesserte KI-Modelle umwandeln. „Unsere Sichtweise bei Adaption ist, dass der gesamte Stapel vollständig anpassbar sein sollte und sich im Grunde optimieren sollte, während Sie die Aufgaben ausführen“, sagt Hooker.
Natürlich ist dieser Ansatz nur so gut wie die Ergebnisse. In den Materialien zur Einführung gibt Adaption an, dass AutoScientist die Gewinnraten über verschiedene Modelle mehr als verdoppelt hat – beeindruckende Zahlen, aber schwer in den Kontext zu setzen. Da das System darauf ausgelegt ist, Modelle an spezifische Aufgaben anzupassen, sind herkömmliche Benchmarks wie SWE-Bench oder ARC-AGI nicht anwendbar.
Trotzdem ist Adaption zuversichtlich, dass die Benutzer den Unterschied sehen werden, sobald sie AutoScientist ausprobieren – so zuversichtlich, dass das Labor das Tool in den ersten 30 Tagen nach der Veröffentlichung kostenlos zur Verfügung stellt.
„So wie die Codegenerierung viele Aufgaben freigeschaltet hat, wird dies eine Menge Innovation an der Spitze verschiedener Bereiche freisetzen“, sagt Hooker.
