Kā es izveidoju pašuzlabojošu mākslīgo intelektu – un tu arī vari
Žurnālists eksperimentē ar pašuzlabojošiem MI modeļiem, izmantojot pieejamus rīkus, un secina, ka šī tehnoloģija var demokratizēt MI attīstību, nevis atstāt to tikai lielo laboratoriju rokās.
Eksperiments ar pašuzlabošanos
Kāda tehnoloģiju žurnālista eksperiments ar pašuzlabojošiem mākslīgā intelekta modeļiem parādījis, ka šī tehnoloģija var būt noderīga ne tikai vadošajām laboratorijām, bet arī ikvienam. Žurnālists sāka ar vienkāršu ciklu, izmantojot AutoResearch – Andreja Karpati radītu rīku, kas palīdz apmācīt nelielu modeli no nulles. Lai to izdarītu, viņš izmantoja Claude palīdzību un Nvidia DGX “superdatoru”, ļaujot modelim darboties bez ierastajām atļauju pārbaudēm.
Sākotnējie rezultāti bija vāji – modelis atkārtoja bezjēdzīgas frāzes, taču pēc vairākām Claude veiktām korekcijām tas kļuva saprotamāks. Lai gan tas nebija salīdzināms ar modernākajiem MI, tas demonstrēja nepārtrauktas uzlabošanās iespēju.
Sarežģītāks rīks – Prime Intellect
Turpinot eksperimentu, žurnālists izmantoja jaunuzņēmuma Prime Intellect rīku, lai izveidotu modeli “Frontier_Paper_Curator”, kas spēj atrast un apkopot interesantus zinātniskus rakstus. Viņš savāca aptuveni 100 iepriekšējo biļetenu ierakstu, izveidoja mācību vidi un lūdza Claude palīdzēt izveidot modeli. Claude papildināja datus ar sintētiskiem piemēriem, bet cits modelis novērtēja radīto saturu, un mācību vide izmantoja pastiprinājuma mācīšanos.
Prime Intellect izpilddirektors Vincente Veisers uzsver, ka uzņēmuma mērķis ir padarīt pašuzlabošanos pieejamu visiem. “Mēs nevēlamies vienu centralizētu, gandrīz dievišķu inteliģenci, bet gan miljardu inteliģenču, kas darbojas nišās un rada skaistas lietas,” viņš saka.
Citi spēlētāji un riski
Arī cits jaunuzņēmums Adaption piedāvā rīku AutoScientist, kas automatizē MI modeļu apmācību. Tā izpilddirektore Sāra Hukere norāda, ka lielie uzņēmumi, kuriem nav savu MI ekspertu, varētu gūt labumu no šādiem risinājumiem. Savukārt redakcija atzīmē, ka paļaušanās uz vadošajām MI laboratorijām rada riskus, jo piemēram, Anthropic bloķējot noteiktus pieprasījumus, atklājas atkarības problēmas.
Gala rezultātā žurnālists pēc nepilnas dienas ar Prime Intellect spēja izveidot pārsteidzoši labu modeli, kas, lai arī ne ideāls, spēj atlasīt un apkopot pētījumus. Tas ir solis pretī brīvībai no ikdienas rutīnas.
