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

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。

プロフィールを見る