TechCrunch AI • 17일 전

어댑테이션, AI 스스로 학습하게 돕는 '오토사이언티스트' 출시

IMP

8/10

핵심 요약

AI 연구소 어댑테이션(Adaption)은 AI 모델이 스스로 데이터와 모델을 동시에 최적화해 특정 기능을 빠르게 학습할 수 있도록 돕는 신작 '오토사이언티스트(AutoScientist)'를 출시했습니다. 이 도구는 기존의 복잡하고 수동적인 미세조정(fine-tuning) 과정을 자동화하여, 소수의 빅테크 연구소 바깥에서도 최고 수준의 프론티어 AI 모델을 쉽게 훈련할 수 있게 해줍니다. 어댑테이션 측은 출시 후 30일간 이 도구를 무료로 공개하며 AI 자가 학습 및 혁신의 확산을 자신하고 있습니다.

번역된 본문

수년간 AI 연구자들은 AI 시스템이 인간보다 더 뛰어나게 스스로를 발전시킬 수 있는 시기를 고대해 왔습니다. 투자자들이 연구 중심의 차세대 AI 연구소에 막대한 자금을 쏟아붓으면서 이 목표를 추구할 수 있는 자원은 그 어느 때보다 풍부해졌습니다. 이제 그러한 신생 연구소 중 하나가 이를 현실로 만드는 데 큰 진전을 이루었습니다.

수요일, 어댑테이션(Adaption)은 기존의 미세조정(fine-tuning) 방식을 자동화하여 모델이 특정 기능을 빠르게 학습하도록 돕는 '오토사이언티스트(AutoScientist)'라는 새로운 제품을 선보였습니다. 이 기술은 다양한 분야에 적용될 수 있지만, 어댑테이션 팀은 특히 최고 수준의 프론티어 AI 모델의 훈련 및 미세조정 과정을 가속화하고 간소화할 수 있는 잠재력에 주목하고 있습니다.

이전에 AI 연구 기업 코히어(Cohere)의 AI 연구 부사장으로 재직했던 공동 창립자 겸 CEO 사라 후커(Sara Hooker)에 따르면, 오토사이언티스트는 AI 훈련 과정에 접근하는 새로운 방식을 제시합니다. 후커는 TechCrunch와의 인터뷰에서 "정말 흥미로운 점은 데이터와 모델 모두를 공동으로 최적화하여, 기본적으로 모든 기능을 학습하는 최적의 방법을 스스로 학습한다는 것"이라며 "이는 결국 소수의 대형 연구소 밖에서도 성공적인 프론티어 AI 훈련이 가능해질 것임을 시사한다"고 말했습니다.

오토사이언티스트는 시간이 지남에 따라 고품질 데이터셋을 더 쉽게 구축할 수 있도록 설계된 회사의 기존 데이터 제공 서비스인 '어댑티브 데이터(Adaptive Data)'를 기반으로 합니다. 동시에 오토사이언티스트는 지속적으로 개선되는 이러한 데이터셋을 끊임없이 발전하는 AI 모델로 변환하는 역할을 하도록 설계되었습니다. 후커는 "어댑테이션의 관점은 전체 기술 스택이 완전히 적응 가능해야 하며, 기본적으로 사용자의 모든 작업에 맞춰 즉각적으로 최적화되어야 한다는 것"이라고 덧붙였습니다.

물론 이러한 접근 방식의 진정한 가치는 결과물로 증명됩니다. 어댑테이션은 출시 자료에서 오토사이언티스트가 다양한 모델에서 승률(성공률)을 두 배 이상 높였다고 자랑했습니다. 이는 매우 인상적인 수치이지만, 객관적인 비교를 통해 그 의미를 파악하기는 어렵습니다. 이 시스템이 모델을 특정 작업에 맞게 조정하도록 설계되었기 때문에 SWE-Bench나 ARC-AGI 같은 기존의 표준 벤치마크는 적용할 수 없기 때문입니다.

그럼에도 불구하고 어댑테이션은 사용자들이 오토사이언티스트를 직접 사용해 보면 그 차이를 느낄 수 있을 것이라고 확신합니다. 그래서 이 연구소는 출시 후 처음 30일 동안 이 도구를 무료로 사용할 수 있도록 제공하기로 결정했습니다. 후커는 "코드 생성이 많은 작업의 잠금을 해제했던 것과 같은 방식으로, 이 도구 역시 다양한 분야의 최전선에서 수많은 혁신을 촉발할 것"이라고 강조했습니다.

원문 보기

원문 보기 (영어)

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. Topics Adaption , AI , fine tuning , Sara Hooker , self-training When you purchase through links in our articles, we may earn a small commission . This doesn’t affect our editorial independence. Russell Brandom AI Editor 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. View Bio May 27 Athens, Greece StrictlyVC Athens is up next. Hear unfiltered insights straight from Europe’s tech leaders and connect with the people shaping what’s ahead. Lock in your spot before it’s gone. REGISTER NOW Most Popular Fintech startup Parker files for bankruptcy Anthony Ha Laid-off Oracle workers tried to negotiate better severance. Oracle said no. Julie Bort San Francisco's housing market has lost its mind Connie Loizos US defense contractor who sold hacking tools to Russian broker ordered to pay $10M to former employers Lorenzo Franceschi-Bicchierai Hackers deface school login pages after claiming another Instructure hack Lorenzo Franceschi-Bicchierai Zack Whittaker Google unveils Whoop-like screenless Fitbit Air Aisha Malik Five architects of the AI economy explain where the wheels are coming off Connie Loizos

파인튜닝 (Fine-tuning) 자가학습 (Self-training) AI 모델 데이터 최적화 Adaption