AutoScientist、AI モデルが自己学習する新ツールで大きな進化を目指す
Adaption Labs は、データとモデルを同時に最適化し自己学習を可能にする新ツール「AutoScientist」を発表し、フロンティアレベルの AI モデル開発プロセスの民主化を目指す。
キーポイント
データとモデルの共最適化アプローチ
従来の微調整とは異なり、学習用データセットとモデル自体を同時に最適化し、任意の能力を習得するための最良の方法を自動で学習する仕組みを採用している。
フロンティア AI 開発の民主化
大規模リソースを持つ研究ラボ以外でも、高品質なフロンティアレベル AI モデルのトレーニングと微調整が可能になることを目指しており、開発の壁を下げることが期待されている。
既存データ基盤との連携
同社の「Adaptive Data」サービスで構築される高品質な継続改善型データセットを活用し、それらを自動的にモデルの進化に繋げるスタック全体を適応可能にする。
実証された性能向上と無料提供
ローンチ資料では異なるモデル間で勝率が2倍以上になったと主張しており、その信頼性を示すためリリース後30日間は無料で利用可能としている。
影響分析・編集コメントを表示
影響分析
この発表は、AI モデル開発のハードルを下げ、大規模ラボに依存しない形で次世代 AI の創出を加速させる可能性を秘めています。特にデータとモデルを同時に最適化する手法は、リソース効率を劇的に改善し、研究コミュニティ全体におけるイノベーションの速度を高める重要な転換点となるでしょう。
編集コメント
「AutoScientist」が真に汎用的な自己学習を実現できるかは今後の実証次第だが、開発プロセスの自動化と民主化という点で業界に大きなインパクトを与える可能性を秘めている。特に、大規模リソースなしでのフロンティアモデル開発への道筋を示した点は注目すべき動きだ。
長年、AI研究者たちは、AIシステムが人間よりも優れた方法で自らを改善できる瞬間が来ると予期してきました。投資家が研究主導の次世代AI研究所に資金を注ぎ込む中、この目標を追求するためのリソースはかつてないほど豊富になっています。さて、その新設研究所の一つが、これを現実のものにするための大きな一歩を踏み出しました。
水曜日、Adaption は、従来のファインチューニング（fine-tuning）に自動化アプローチを用いることで、モデルが特定の能力を迅速に習得できるよう支援する新製品「AutoScientist」を発表しました。この技術は幅広い分野に応用可能ですが、Adaptationチームは特に、フロンティアレベルのAIモデルのトレーニングおよびファインチューニングのプロセスを加速し、容易にする可能性に焦点を当てています。
元CohereでAI研究担当バイスプレジデントを務めた共同創設者兼CEOのサラ・フッカー氏によると、AutoScientistはAIトレーニングプロセスへの新たなアプローチ法を表しています。「最も素晴らしい点は、データとモデルの両方を同時に最適化し、あらゆる能力を習得するための最良の方法を学習する点です」とフッカー氏はTechCrunchに語りました。「これにより、ついにこれらの研究所の外でも成功したフロンティアAIのトレーニングが可能になるはずです」
AutoScientist は、同社が既存のデータ提供サービスである Adaptive Data を基盤として構築されています。これは、時間とともに高品質なデータセットを構築しやすくすることを目的としています。一方、AutoScientist は、継続的に改善されるデータセットを、継続的に改善される AI モデルへと変換するために設計されています。「Adaption における私たちの見解では、スタック全体が完全に適応可能であり、基本的にあらゆるタスクに対してリアルタイムで最適化されるべきだと考えています」と Hooker 氏は述べています。
もちろん、このアプローチの成否は結果次第です。発表資料において Adaption は、AutoScientist が異なるモデル間で勝率を倍以上に引き上げたことを自慢していますが、これは印象的な数字ではあるものの、文脈化して評価するのは困難です。システムが特定のタスクに合わせてモデルを適応させるように設計されているため、SWE-Bench や ARC-AGI といった従来のベンチマークは適用できません。
それでもなお、Adaption はユーザーが AutoScientist を試せば違いを実感できると確信しており、その自信の表れとして、リリースから最初の 30 日間は同ツールの無償利用を提供しています。
「コード生成が多くのタスクを可能にしたのと同じように、これは異なる分野の最前線において多くのイノベーションを解き放つことになるでしょう」と Hooker 氏は述べています。
*当記事内のリンクを通じてご購入いただいた場合、私たちは少額のコミッションを獲得する可能性があります。これは私たちの編集の独立性には影響しません。*
ラッセル・ブランドは 2012 年以来、プラットフォーム政策と新興技術に焦点を当てながらテクノロジー業界の報道を行ってきました。以前は The Verge や Rest of World で勤務し、Wired、The Awl、MIT の Technology Review にも寄稿しています。
彼への連絡先は russell.brandom@techcrunch.com または Signal（412-401-5489）です。
原文を表示
For years, AI researchers have anticipated the moment when AI systems will be able to improve themselves better than humans could. With investors pouring money into a new generation of research-driven AI labs, there are more resources than ever available to pursue the goal. Now, one of those neolabs has taken a major step towards making it real.
On Wednesday, Adaption introduced a new product called AutoScientist that helps models learn specific capabilities quickly by using an automated approach to conventional fine-tuning. The techniques are applicable to a wide range of fields, but the Adaptation team is particularly focused on the potential for speeding up and easing the process of training and fine-tuning a frontier-level AI model.
According to co-founder and CEO Sara Hooker, who previously worked as VP of AI research at Cohere, AutoScientist represents a new way to approach the AI training process. “What’s super exciting about it is that it co-optimizes both the data and the model, and learns the best way to basically learn any capability,” Hooker told TechCrunch. “It suggests we can finally allow for successful frontier AI trainings outside of these labs”
AutoScientist builds on the company’s existing data offering, Adaptive Data, which aims to make it easier to build high-quality datasets over time. AutoScientist, meanwhile, is designed to turn those continuously improving datasets into continuously improving AI models. “Our view at Adaption is that the whole stack should be completely adaptable, and should basically optimize on the fly to whatever task you have,” Hooker says.
Of course, that approach will only be as good as the results. In its launch materials, Adaption boasts that AutoScientist has more than doubled win-rates across different models — impressive numbers, but difficult to put into context. Since the system is built to adapt models to specific tasks, conventional benchmarks like SWE-Bench or ARC-AGI aren’t applicable.
Still, Adaption is confident that users will see the difference once they try AutoScientist out — so confident that the lab is making the tool free to use for the first 30 days after its release.
“The same way that code generation unlocked a lot of tasks, this is going to unlock a lot of innovation at the frontier of different fields,” Hooker says.
*When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.*
Russell Brandom has been covering the tech industry since 2012, with a focus on platform policy and emerging technologies. He previously worked at The Verge and Rest of World, and has written for Wired, The Awl and MIT's Technology Review.
He can be reached at russell.brandom@techcrunch.com or on Signal at 412-401-5489.
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み