AI KUTATÁS
A Sakana AI bemutatta az AI Scientist-v2-t az automatizált kutatáshoz és a semleges eredményekhez (null results)
A Sakana AI, az Oxfordi Egyetem és a British Columbia Egyetem kutatói továbbfejlesztették 'AI Scientist' rendszerüket, így az már ambiciózusabb kísérleteket is képes javasolni és lefuttatni. Az AI Scientist kibővített képességeinek demonstrálásaként a Sakana három „teljesen autonóm kéziratát” nevezte be egy AI konferencia workshopjára, és az egyik tanulmány elég magas pontszámot kapott az elfogadáshoz. Az AI Scientist még nem generál különösebben transzformatív vagy mélyreható felismeréseket. Az ICLR workshopra bekerült kézirat „6,33-as átlagos bírálói pontszámot ért el (ami nagyjából a beadványok felső 45%-ába sorolja)” – ez nem kifejezetten jó, és a workshopokra sokkal könnyebb bejutni, mint a fő konferenciára. A „Compositional Regularization: Unexpected Obstacles in Enhancing Neural Network Generalization” című tanulmány alaposabb olvasata feltárja, hogy az alapvetően egy semleges eredmény (null result) leírása.
- Megszünteti az ember által írt kódsablonok szükségességét.
- Egy ágens által irányított, progresszív ágens-alapú fák közötti keresési (tree-search) módszertant használ.
- Vision-Language Modelleket (VLM) integrál az ábrák finomításához és a visszacsatoláshoz.
- Sikeresen létrehozott egy kéziratot, amelyet elfogadtak egy ICLR workshopra.
Miért fontos?
A semleges eredmények értékesek, de nem ezekkel lehet előrelendíteni a tudományt: Az AI Scientist-v2 nem teljesen értéktelen – a semleges eredmények felfedezése és leírása hasznos lehet, mert támpontot ad a tudósoknak, hogy merre ne keressenek. De a tudomány nem a semleges eredmények miatt halad előre, hanem azért, mert az emberek szokatlan összefüggéseket fedeznek fel a tudományágak között, vagy olyan módszereket találnak az adatok megtekintésére, amelyek eddig nem látott mintázatokat tárnak fel, és az AI Scientist ezt még nem mutatja fel. ---