AI summary
Adaption Labs berfokus pada pengembangan sistem AI yang dapat belajar dari pengalaman nyata. Kritik terhadap model bahasa besar menunjukkan bahwa pendekatan skala mungkin telah mencapai batasnya. Pembelajaran yang efisien dan adaptif dapat mengubah dinamika kontrol dan penggunaan AI. Para laboratorium AI besar menghabiskan biaya miliaran dolar dan energi sebesar kota kecil untuk mengembangkan pusat data yang sangat besar demi memperbesar model bahasa raksasa. Namun, pendekatan ini mulai menunjukkan batasannya, karena peningkatan ukuran model tidak selalu menjamin kecerdasan yang lebih baik.Sara Hooker, mantan VP AI Research di Cohere yang juga alumnus Google Brain, mendirikan Adaption Labs bersama Sudip Roy untuk mengeksplorasi metode baru agar sistem AI dapat belajar secara terus menerus dan efisien dari pengalaman nyata di dunia, bukan hanya melalui pelatihan sebelumnya.Saat ini, reinforcement learning mulai digunakan untuk membantu AI belajar dari kesalahan, namun masih kontroversial karena model yang sudah digunakan pelanggan tidak dapat belajar secara real-time, sehingga masalah yang sama tetap terjadi tanpa perbaikan otomatis.Beberapa perusahaan menawarkan jasa kustomisasi model AI, namun biayanya sangat mahal, bahkan mencapai puluhan juta dolar. Adaption Labs percaya bahwa pembelajaran adaptif bisa lebih murah dan mengubah penguasaan teknologi AI secara fundamental.Keraguan mulai muncul dari para ahli utama di bidang AI, yang menyatakan bahwa peningkatan skala model bahasa besar sudah tidak efisien lagi. Ini adalah masa transisi menuju model AI yang mampu beradaptasi dari pengalaman dunia nyata dengan biaya dan sumber daya yang lebih ekonomis.
Sebagai seorang ahli, saya percaya bahwa era model AI raksasa yang hanya diandalkan pada skala besar sudah mulai berakhir dan saatnya beralih ke sistem yang benar-benar belajar dari lingkungan secara dinamis. Ini akan membuka pintu bagi inovasi AI yang lebih inklusif, hemat energi, dan relevan secara praktis untuk berbagai industri.
