چرا رهبر سابق تحقیقات هوش مصنوعی Cohere علیه مسابقه مقیاسگذاری شرط میبندد
سارا هوکر، معاون سابق تحقیقات هوش مصنوعی Cohere، استارتاپ جدیدی برای ساخت مدلهای هوش مصنوعی که بتوانند با محیط خود سازگار شوند راهاندازی کرده است.

تحول در هوش مصنوعی: از مقیاسگذاری به سمت یادگیری تطبیقی
سارا هوکر، معاون سابق تحقیقات هوش مصنوعی Cohere، استارتاپ جدیدی به نام Adaption Labs راهاندازی کرده که رویکردی جدید در توسعه هوش مصنوعی ارائه میدهد. او معتقد است که "فرمول مقیاسگذاری مدلهای زبانی بزرگ" به بنبست رسیده و نیاز به تحولی اساسی داریم. هوکر که پیشتر در Google Brain فعالیت داشته، تأکید میکند که سازگاری "قلب یادگیری" است و سیستمهای هوش مصنوعی باید بتوانند از تجربیات دنیای واقعی بیاموزند.
- افول مقیاسگذاری: پژوهشهای اخیر MIT نشان میدهد مدلهای بزرگ هوش مصنوعی به کاهش بازدهی رسیدهاند
- یادگیری تقویتی: روشهای فعلی RL نمیتوانند به سیستمهای در حال استفاده کمک کنند
- هزینههای سرسامآور: برخی شرکتها برای تنظیم دقیق مدلها تا ۱۰ میلیون دلار هزینه دریافت میکنند
هوکر میگوید: "نقطه عطفی رسیده که مشخص شده فرمول مقیاسگذاری نتوانسته هوشمندی واقعی تولید کند"
ریچارد ساتون، پدر یادگیری تقویتی: "مدلهای زبانی بزرگ نمیتوانند واقعاً مقیاسپذیر باشند چون از تجربه واقعی یاد نمیگیرند"
این استارتاپ که بودجه اولیه ۲۰-۴۰ میلیون دلاری جذب کرده، قصد دارد اثبات کند که یادگیری از محیط میتواند بسیار مقرونبهصرفهتر باشد و کنترل توسعه هوش مصنوعی را دموکراتیکتر کند.
