fost-nepal.org – Sebuah teknik evolusi baru yang dikembangkan oleh laboratorium AI asal Jepang, Sakana AI, memungkinkan pengembang untuk memperluas kemampuan model AI tanpa proses pelatihan dan penyesuaian yang mahal. Teknik yang disebut Model Merging of Natural Niches (M2N2) ini mengatasi keterbatasan metode penggabungan model lainnya dan berpotensi untuk menciptakan model baru dari awal.

M2N2 dapat diterapkan pada berbagai jenis model pembelajaran mesin, termasuk model bahasa besar dan generator teks-ke-gambar. Pendekatan ini menawarkan cara kuat dan efisien bagi perusahaan untuk menciptakan model yang disesuaikan dengan menggabungkan keunggulan dari varian sumber terbuka yang ada.

Proses penggabungan model memungkinkan pengintegrasian pengetahuan dari beberapa model khusus menjadi satu model yang lebih efisien. M2N2 tidak memerlukan data pelatihan yang mahal dan menghindari risiko “lupa bencana,” di mana model kehilangan kemampuan aslinya setelah belajar tugas baru. Penggunaan teknik này berbeda dari penyesuaian tradisional yang biasanya memerlukan pembaruan gradien yang kompleks.

Tim peneliti menguji M2N2 dalam tiga domain berbeda. Dalam eksperimen pertama, M2N2 berhasil mengembangkan pengklasifikasi gambar berbasis jaringan saraf dengan akurasi tinggi. Selanjutnya, teknik ini diterapkan pada model bahasa, menggabungkan model spesialis yang berbeda untuk menciptakan agen serbaguna. Akhirnya, penggabungan model generasi gambar menunjukkan kemampuan untuk memahami dan menghasilkan gambar dari berbagai bahasa.

Dengan kemampuan ini, M2N2 berpotensi membuka jalan bagi ekosistem AI yang dinamis, di mana model-model dapat terus berevolusi dan beradaptasi dengan tantangan baru, meski ada tantangan dalam hal privasi dan keamanan yang harus diatasi oleh organisasi.