La recherche en IA te passionne ?
Les papers et avancées qui comptent, expliqués simplement, chaque soir. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Depuis plusieurs années, la communauté de la recherche en intelligence artificielle (IA) attend le moment où les systèmes d'IA surpasseront les capacités humaines en matière d'auto-amélioration. Grâce à des investissements massifs dans de nouveaux laboratoires de recherche, les ressources pour atteindre cet objectif sont plus abondantes que jamais. Adaption, un de ces laboratoires émergents, a récemment fait un pas significatif vers cette vision.
Mercredi dernier, Adaption a dévoilé AutoScientist, un outil innovant qui permet aux modèles d'IA de s'entraîner de manière autonome en optimisant le processus de fine-tuning. Cette technologie est applicable à divers domaines, mais l'équipe d'Adaption se concentre sur l'accélération et la simplification de la formation des modèles d'IA avancés.
La co-fondatrice et PDG d'Adaption, Sara Hooker, qui a précédemment occupé le poste de vice-présidente de la recherche en IA chez Cohere, décrit AutoScientist comme une nouvelle approche du processus de formation en IA. Elle explique que cet outil co-optimise les données et les modèles, apprenant ainsi la meilleure manière d'acquérir de nouvelles compétences. "Cela pourrait enfin permettre des formations réussies en dehors des grands laboratoires," a-t-elle déclaré à TechCrunch.
AutoScientist repose sur l'infrastructure de données existante d'Adaption, Adaptive Data, qui facilite la création continue de jeux de données de haute qualité. L'outil est conçu pour transformer ces jeux de données en modèles d'IA en constante amélioration. Hooker affirme que l'objectif d'Adaption est de rendre l'ensemble de la chaîne adaptable et capable de s'optimiser en temps réel pour toute tâche.
Les résultats obtenus par AutoScientist sont prometteurs, avec des taux de réussite plus que doublés pour différents modèles, bien que ces chiffres soient difficiles à comparer avec des références traditionnelles comme SWE-Bench ou ARC-AGI. Malgré cela, Adaption est persuadé que les utilisateurs constateront une amélioration notable en utilisant AutoScientist. Pour encourager l'adoption, l'outil sera gratuit durant les 30 premiers jours suivant sa sortie.
Selon Hooker, "de la même manière que la génération de code a permis de réaliser de nombreuses tâches, AutoScientist pourrait débloquer une innovation significative dans divers domaines."