Adaption Labs: Gradient-Free Continual Learning — Sara Hooker, Adaption
Sara Hooker från Adaption Labs argumenterar att AI-utveckling står inför en revolution.
I dag kontrollerar en handfull företag och forskningsinstitut hur stora AI-modeller tränas — färre än 5 000 personer världen över vet hur man gör det. Hooker presenterar AutoScientist, ett verktyg som automatiserar själva träningsprocessen och hittar bättre lösningar än människor genom att testa olika designval istället för att förlita sig på tidigare erfarenhet. Hon hävdar också att den era då större modeller alltid är bättre börjar ta slut, vilket skulle göra det möjligt för fler att bygga kraftfulla AI-system — eftersom mindre, smarta modeller kan distribueras utan att kräva enorma GPU-resurser samlade på ett ställe.
Sammanfattningen är skriven av Vibekollen utifrån källans egen publicering. Innehållet tillhör AI Engineer.
Mer från AI Engineer
SOTA Generative Media Panel — Dumitru Erhan, Shane Gu & Nicole Brichtova, Google DeepMind
AI Engineer 30 aug.
Tell the Robot What You Want — Sandhya Subramani, AWS
AI Engineer 29 aug.
The Signal Layer: What to Build When Anything Can Be Built — Lena Hall, Akamai
AI Engineer 29 aug.
Tribal Dungeons of Global Shipping: AI Agents at Global Scale — Dmitry Buykin, Maersk
AI Engineer 29 aug.