AI & computing › AI-gestuurde wetenschappelijke ontdekkingen
Chinese onderzoekers laten AI zichzelf verbeteren zonder hulp van mensen
Onderzoekers van de Shanghai Jiao Tong University hebben een AI-systeem gebouwd dat zichzelf steeds beter maakt, zonder dat een mens elke stap hoeft te sturen. Het model, ASI-Evolve, test automatisch nieuwe versies van zichzelf en gebruikt de resultaten om de volgende ronde te verbeteren. Volgens de makers werkt de methode niet alleen voor AI-onderzoek, maar ook voor bijvoorbeeld het ontdekken van nieuwe medicijnen.
Een team van de Shanghai Jiao Tong University heeft een agentic AI-systeem ontwikkeld dat zelfstandig experimenteert met eigen verbeteringen. Het systeem heet ASI-Evolve en doorloopt telkens dezelfde cyclus: het bedenkt een aanpassing, test die aanpassing, analyseert het resultaat en gebruikt die kennis om de volgende poging te verbeteren. Die cyclus herhaalt zich automatisch, ronde na ronde.
Hoe het systeem zichzelf traint
ASI-Evolve maakt meerdere varianten van eenzelfde AI-model. Die varianten verschillen bijvoorbeeld in de manier waarop ze trainen of in de data waarmee ze leren. Het systeem laat die varianten vervolgens tegen elkaar 'strijden' en kijkt welke het beste presteert. Twee onderdelen maken dit proces slimmer dan simpel gokken: een geheugen met kennis die mensen eerder hebben opgedaan, en een analysemodule die de uitkomsten van elk experiment omzet in bruikbare lessen voor de volgende ronde. Daardoor leert het systeem niet blind verder, maar bouwt het voort op wat al werkt.
Sneller dan menselijke onderzoekers
In een test verbeterde ASI-Evolve een onderdeel van een large language model, het zogeheten aandachtsmechanisme, met 0,97 punt op een standaardtest. Menselijke onderzoekers kwamen in dezelfde tijd tot een verbetering van 0,34 punt. Het gaat om een score op een specifieke benchmark, waarbij kleine verschillen al als belangrijk gelden binnen het vakgebied. Daarnaast zetten de onderzoekers het systeem in voor het zoeken naar nieuwe medicijnen. Ook daar scoorde ASI-Evolve beter dan bestaande methodes, wat volgens het team laat zien dat de aanpak breder inzetbaar is dan alleen voor AI-onderzoek zelf.
Mens blijft aan het stuur
Onderzoeker Xu Weixian benadrukt tegenover het Chinese medium 36Kr dat het systeem niet 'blind' evolueert. Mensen bepalen nog steeds welk probleem wordt onderzocht en welke richting logisch is; het systeem zoekt vervolgens razendsnel naar de beste uitwerking binnen die richting. Volgens Xu verschuift de rol van de onderzoeker daardoor van zelf sleutelen naar het scherp formuleren van de juiste vraag. De onderzoekers hebben geen cijfers gepubliceerd over het energieverbruik van het systeem, maar stellen dat de gerichte, gesloten leercyclus waarschijnlijk minder stroom kost dan het trainen van de allergrootste AI-modellen. Het onderzoek is gepubliceerd op arXiv en de code staat op GitHub.
Achtergrond & begrippen
Wat betekent dit voor de toekomst? Systemen als ASI-Evolve kunnen onderzoek versnellen doordat ze zelf duizenden kleine experimenten kunnen uitproberen, iets waar mensen simpelweg de tijd niet voor hebben. Dat kan de ontwikkeling van betere AI-modellen, medicijnen en materialen aanjagen, al blijft de mens vooralsnog verantwoordelijk voor de vraagstelling en de controle over het proces.
- Agentic AI
- Een vorm van kunstmatige intelligentie die zelfstandig stappen zet om een doel te bereiken, in plaats van alleen te reageren op één vraag.
- Aandachtsmechanisme
- Een onderdeel van moderne taalmodellen waarmee het systeem bepaalt welke woorden of gegevens op elk moment het belangrijkst zijn.
- Large language model
- Een groot AI-taalmodel dat is getraind op enorme hoeveelheden tekst en daardoor mensachtige taal kan begrijpen en genereren.
- Benchmark
- Een gestandaardiseerde test waarmee de prestaties van verschillende AI-modellen onderling vergelijkbaar worden gemaakt.
Bronnen
Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.
