Contexto e Motivação

Nos últimos anos, laboratórios de IA líderes investiram bilhões de dólares em centros de dados do tamanho de Manhattan, impulsionados pela crença de que escalar o processamento e o tamanho do modelo eventualmente produzirá sistemas superinteligentes. No entanto, vários pesquisadores começaram a questionar se simplesmente aumentar o tamanho dos grandes modelos de linguagem (LLM) pode continuar a produzir ganhos significativos. Sara Hooker, que anteriormente liderou a divisão de pesquisa de IA da Cohere e passou tempo no Google Brain, tem sido vocal sobre os limites da estratégia de escalabilidade apenas.

Hooker argumenta que a "fórmula de apenas escalar esses modelos" não produziu inteligência capaz de navegar ambientes do mundo real. Ela destaca a necessidade de sistemas de IA que possam aprender com experiências da mesma forma que os humanos — ajustando o comportamento após um erro, como dar passos mais cuidadosos ao redor de um obstáculo familiar.

Fundação da Adaption Labs

Em resposta a essas preocupações, Hooker e Sudip Roy, outro veterano da Cohere e do Google, co-fundaram a Adaption Labs. A missão da startup é desenvolver IA que possa aprender continuamente e se adaptar a interações do mundo real, fazendo-o de forma eficiente sem depender apenas de conjuntos de dados de pré-treinamento maciços. Embora a empresa não tenha divulgado as abordagens técnicas específicas que usará, Hooker enfatiza que o aprendizado adaptativo pode reduzir dramaticamente o custo e o consumo de energia associados aos modelos focados em escalabilidade de hoje.

Adaption Labs anunciou sua formação de forma silenciosa, usando uma breve postagem nas redes sociais para sinalizar seus planos de contratação. A empresa pretende abrir um escritório em São Francisco enquanto recruta talentos em todo o mundo, refletindo o compromisso anterior de Hooker em construir equipes de pesquisa diversificadas em regiões sub-representadas.

Contexto da Indústria e Reações

O lançamento da Adaption Labs chega em meio a um crescente ceticismo dentro da comunidade de IA. Artigos acadêmicos recentes sugeriram que os ganhos de desempenho com modelos cada vez maiores estão diminuindo. Pesquisadores proeminentes, incluindo um vencedor do Prêmio Turing conhecido por aprendizado por reforço, questionaram publicamente se os LLMs podem realmente escalar sem incorporar capacidades de aprendizado do mundo real.

Empresas como a OpenAI começaram a explorar abordagens alternativas, como modelos de raciocínio de IA que levam mais tempo para resolver problemas antes de responder. No entanto, a narrativa dominante da indústria ainda enfatiza fortemente a escalabilidade do processamento e dos dados. A iniciativa de Hooker representa um desafio direto a essa narrativa, propondo que o aprendizado adaptativo pode democratizar o desenvolvimento de IA, reduzindo as barreiras de entrada.

Financiamento e Perspectivas Futuras

Adaption Labs relatou ter fechado uma rodada de financiamento de semente, embora o valor exato permaneça não divulgado. Hooker indicou que a empresa está "configurada para ser muito ambiciosa", sinalizando confiança em sua capacidade de atrair mais investimentos. A startup planeja se concentrar em construir sistemas de IA compactos que possam superar os concorrentes maiores em tarefas como codificação, matemática e raciocínio.

Se a visão de Hooker for bem-sucedida, pode redefinir o panorama de IA, mudando o foco do tamanho do modelo para a eficiência e a adaptabilidade. As implicações se estendem além da tecnologia, potencialmente influenciando como a IA é governada, quem tem acesso a modelos avançados e como os futuros sistemas de IA interagem com o mundo real.

Usado: News Factory APP - descoberta e automação de notícias - ChatGPT para Empresas