Ex responsable de investigación de AI de Cohere lanza Adaption Labs para cuestionar el paradigma de escalabilidad
Puntos clave
- Sara Hooker deja Cohere para lanzar la startup de AI Adaption Labs con Sudip Roy.
- Adaption Labs se enfoca en construir AI que se adapte y aprenda continuamente de la experiencia en el mundo real.
- La compañía critica la dependencia de la industria en modelos de lenguaje cada vez más grandes, citando rendimientos decrecientes.
- Se ha asegurado financiamiento de semilla, aunque la cantidad exacta no ha sido revelada.
- Adaption Labs planea abrir una oficina en San Francisco mientras contrata talento a nivel global.
- La empresa refleja un cambio más amplio entre los investigadores hacia el aprendizaje adaptativo y la eficiencia.
- Si tiene éxito, el enfoque podría reducir costos y ampliar el acceso a capacidades de AI avanzadas.
Sara Hooker, ex vicepresidenta de investigación de AI en Cohere y ex investigadora de Google Brain, ha lanzado en silencio una nueva empresa llamada Adaption Labs con el veterano de AI Sudip Roy. La compañía busca construir sistemas de inteligencia artificial que se adapten y aprendan continuamente de la experiencia en el mundo real, argumentando que la industria se enfoca en modelos de lenguaje cada vez más grandes, lo que está alcanzando rendimientos decrecientes. La crítica de Hooker al enfoque de "escalabilidad" refleja un creciente coro de investigadores que ven el aprendizaje adaptativo como un camino más eficiente hacia el futuro. Adaption Labs ha asegurado financiamiento de semilla y planea contratar personal a nivel global mientras abre una oficina en San Francisco.
Antecedentes y motivación
En los últimos años, los principales laboratorios de inteligencia artificial han invertido miles de millones de dólares en la construcción de centros de datos del tamaño de Manhattan, impulsados por la creencia de que aumentar el tamaño de los modelos y la capacidad de cálculo eventualmente producirá sistemas superinteligentes. Sin embargo, un número de investigadores ha comenzado a cuestionar si simplemente aumentar el tamaño de los modelos de lenguaje puede seguir produciendo ganancias significativas. Sara Hooker, quien anteriormente lideró la división de investigación de AI de Cohere y pasó tiempo en Google Brain, ha sido vocal sobre los límites de la estrategia de escalabilidad únicamente.
Hooker argumenta que la "fórmula de simplemente escalar estos modelos" no ha producido inteligencia capaz de navegar entornos del mundo real. Ella señala la necesidad de sistemas de AI que puedan aprender de la experiencia de la misma manera que los humanos—ajustando el comportamiento después de un error, como stepping más cuidadosamente alrededor de un obstáculo familiar.
Creación de Adaption Labs
En respuesta a estas preocupaciones, Hooker y Sudip Roy, otro veterano de Cohere y Google, cofundaron Adaption Labs. La misión de la startup es desarrollar AI que pueda adaptarse y aprender continuamente de las interacciones en el mundo real, haciéndolo de manera eficiente sin depender únicamente de conjuntos de datos de preentrenamiento masivos. Aunque la compañía no ha revelado los enfoques técnicos específicos que utilizará, Hooker enfatiza que el aprendizaje adaptativo podría reducir dramáticamente el costo y el consumo de energía asociados con los modelos enfocados en escalabilidad de hoy en día.
Adaption Labs anunció su formación en silencio, utilizando una breve publicación en redes sociales para señalarizar sus planes de contratación. La compañía planea abrir una oficina en San Francisco mientras recluta talento a nivel mundial, reflejando el compromiso anterior de Hooker de construir equipos de investigación diversificados en regiones subrepresentadas.
Contexto de la industria y reacciones
El lanzamiento de Adaption Labs llega en medio de un creciente escepticismo dentro de la comunidad de inteligencia artificial. Artículos académicos recientes han sugerido que las ganancias de rendimiento de los modelos cada vez más grandes están disminuyendo. Investigadores prominentes, incluyendo un ganador del Premio Turing conocido por el aprendizaje de refuerzo, han cuestionado públicamente si los modelos de lenguaje pueden verdaderamente escalar sin incorporar capacidades de aprendizaje en el mundo real.
Empresas como OpenAI han comenzado a explorar enfoques alternativos, como modelos de razonamiento de AI que toman tiempo adicional para resolver problemas antes de responder. Sin embargo, la narrativa predominante de la industria sigue enfatizando fuertemente la escalabilidad del cálculo y los datos. La empresa de Hooker representa un desafío directo a esa narrativa, proponiendo que el aprendizaje adaptativo podría democratizar el desarrollo de AI al reducir las barreras de entrada.
Financiamiento y perspectiva futura
Adaption Labs ha cerrado una ronda de financiamiento de semilla, aunque la cantidad exacta sigue sin revelarse. Hooker indicó que la compañía está "configurada para ser muy ambiciosa", señalizando confianza en su capacidad para atraer inversión adicional. La startup planea enfocarse en construir sistemas de AI compactos que puedan superar a los modelos más grandes en tareas como codificación, matemáticas y razonamiento.
Si la visión de Hooker resulta exitosa, podría redefinir el panorama de la inteligencia artificial al cambiar el énfasis desde el tamaño del modelo hacia la eficiencia y la adaptabilidad. Las implicaciones se extienden más allá de la tecnología, potencialmente influyendo en cómo se gobierna la inteligencia artificial, quién tiene acceso a modelos avanzados y cómo los futuros sistemas de AI interactúan con el mundo real.