ხელოვნური ინტელექტის მოდელების სხვა AI სისტემების მეშვეობით გაწვრთნა ტექნოლოგიური ლაბორატორიების მთავარ მიზნად იქცა. Anthropic-ის მკვლევარმა, ჩენ იუე-ჰანმა, ახალი კვლევით ნათელი მოჰფინა იმას, თუ როგორ შეიძლება გამოიყურებოდეს ეს პროცესი პრაქტიკაში.
Anthropic-ის მიერ გამოქვეყნებულ ნაშრომში, სახელწოდებით „ავტომატიზებულ მკვლევარებს შეუძლიათ საიმედოდ შეამცირონ ალინმენტის შეცდომები“, დეტალურადაა აღწერილი, თუ როგორ აუმჯობესებენ AI სისტემები მოდელის მუშაობას. ექსპერიმენტის ფარგლებში, ავტომატიზებულმა სისტემებმა ალინმენტის 10 სხვადასხვა კრიტერიუმზე მუშაობისას შედეგები მნიშვნელოვნად გააუმჯობესეს, საერთო ეფექტურობის შემცირების გარეშე.
სისტემა იმეორებს კვლევის ტრადიციულ მეთოდოლოგიას: ეძებს ლიტერატურას, გვთავაზობს მეთოდს და ავარჯიშებს მოდელს, თანდათანობით ზრდის სირთულეს. ეფექტური მეთოდები ინახება, ხოლო არაეფექტური — იფილტრება, რაც პროცესს სწრაფს და მასშტაბურს ხდის.
ეს ნაშრომი რეკურსიული თვითგანვითარებისკენ გადადგმული მნიშვნელოვანი ნაბიჯია. კვლევის მიხედვით, ავტომატიზებული სისტემა (AAR) საშუალოდ ექვს საათში აღემატება გამოცდილი ადამიანების მიერ შემოთავაზებულ მეთოდებს. გარდა ამისა, ეკონომიკური ეფექტიც თვალსაჩინოა: AAR-ის ღირებულება საათში დაახლოებით 4 დოლარია, მაშინ როცა ადამიანური რესურსის ღირებულება 150 დოლარს შეადგენს.
მიუხედავად ამისა, ავტორები აღნიშნავენ, რომ სისტემა მხოლოდ მანამდეა ეფექტური, სანამ ბენჩმარკები ზუსტად ასახავენ ალინმენტის მიზნებს. მიუხედავად შეზღუდვებისა, ეს კვლევა ადასტურებს, რომ ავტომატიზებული ალინმენტი უახლოეს მომავალში პრაქტიკული რეალობა გახდება.
წყარო: techcrunch.com
