AutoScientist的适应目标远大，这是一种帮助模型自我训练的人工智能工具

多年来，人工智能研究人员一直期待着人工智能系统能够比人类更好地自我改进的那一刻。随着投资者向新一代研究驱动的人工智能实验室投入资金，实现这一目标的资源比以往任何时候都多。现在，其中一个新实验室已经朝着实现这一目标迈出了重要一步。

周三，Adaption推出了一款名为AutoScientist的新产品，通过使用自动化方法进行传统微调，帮助模型快速学习特定功能。这些技术适用于广泛的领域，但适应团队特别关注加速和简化训练和微调前沿人工智能模型过程的潜力。

AutoScientist联合创始人兼CEO、曾担任Cohere人工智能研究副总裁的Sara Hooker表示，AutoScientist代表了一种处理人工智能训练过程的新方法。 “它最令人兴奋的地方在于，它可以共同优化数据和模型，并学习基本上学习任何功能的最佳方法，”Hooker告诉TechCrunch。 “这表明我们最终可以在这些实验室之外进行成功的前沿人工智能培训”

AutoScientist建立在该公司现有的数据产品Adaptive Data的基础上，旨在让随着时间的推移更容易构建高质量的数据集。与此同时，AutoScientist旨在将这些不断改进的数据集转化为不断改进的人工智能模型。 “我们在Adaption的观点是，整个堆栈应该完全具有适应性，并且基本上应该针对您所执行的任何任务进行动态优化，”胡克说。

当然，这种方法的好坏取决于结果。 Adaption在其发布材料中夸口说，AutoScientist在不同模型中的获胜率增加了一倍以上——数字令人印象深刻，但很难结合实际情况。由于该系统是为了使模型适应特定任务而构建的，因此SWE-Bench或ARC-AGI等传统基准测试不适用。

尽管如此，Adaption仍然相信，一旦用户尝试使用AutoScientist，他们就会发现其中的差异——因此实验室将在该工具发布后的前30天内免费提供该工具。

“就像代码生成解锁了很多任务一样，这也将解锁不同领域前沿的大量创新，”胡克说。