AI और ML · 23 जून
साकाना AI की RSI लैब का मानना है कि self-improving AI, $100 अरब के डेटा सेंटर निर्माण को अप्रासंगिक बना सकती है
टोक्यो स्थित एक स्टार्टअप ने अभी-अभी औपचारिक रूप से यह दांव लगाया है कि क्रमिक स्व-सुधार, बड़े पैमाने पर जबरदस्ती की स्केलिंग से बेहतर है — और इस दावे को साबित करने के लिए उसके पास दो साल का शोध मौजूद है।
- Sakana AI की RSI Lab छह वास्तविक शोध परियोजनाओं को एकीकृत करती है, जिनमें Darwin Godel Machine और The AI Scientist शामिल हैं, एक औपचारिक कार्यक्रम में जिसका उद्देश्य AI विकास को केवल कंप्यूट-गहन बनाने की बजाय स्व-सुधारशील बनाना है।
- मूल दांव यह है कि संयोजित स्व-सुधार, बड़े पैमाने पर कंप्यूट के उपयोग का विकल्प बन सकता है, जो इस धारणा को सीधी चुनौती देता है कि अग्रणी AI प्रगति के लिए विशाल पूंजी व्यय आवश्यक है।
- ML सीखने वालों के लिए, प्रेफरेंस ऑप्टिमाइजेशन, विकासवादी एल्गोरिदम और स्वचालित शोध पाइपलाइन इस लैब से देखने योग्य तकनीकी क्षेत्र हैं, जो नौकरी बाजार में बढ़ती प्रासंगिकता रखते हैं।