Startup Adaption kierowany przez Sarę Hooker, byłą wiceprezes ds. badań AI w firmie Cohere, zaprezentował 13 maja 2026 roku narzędzie AutoScientist. To system, który automatyzuje proces fine-tuningu modeli językowych, optymalizując równocześnie dane treningowe i sam model. Według firmy AutoScientist ponad dwukrotnie zwiększa skuteczność dostosowanych modeli w testach porównawczych w stosunku do standardowych metod.
Adaption pozycjonuje się jako laboratorium badawcze pracujące nad demokratyzacją trenowania modeli klasy frontier, czyli udostępnieniem zaawansowanego dostrajania zespołom spoza ścisłej czołówki OpenAI, Anthropic czy Google DeepMind. Nowe narzędzie rozwija ich wcześniejszy produkt Adaptive Data, służący do budowy stale ulepszanych zbiorów treningowych. Zamiast polegać na klasycznych benchmarkach, AutoScientist dopasowuje modele do umiejętności wymaganych w danym zadaniu. To wpisuje się w szerszy trend: w 2026 roku coraz więcej laboratoriów AI pracuje nad systemami, które potrafią same trenować kolejne modele, co ma skrócić kosztowny, ręczny cykl fine-tuningu prowadzony przez inżynierów ML.
„Co naprawdę ekscytujące to fakt, że narzędzie współoptymalizuje zarówno dane, jak i model, i uczy się najlepszego sposobu na zdobycie dowolnej umiejętności” — Sara Hooker, CEO Adaption.
Firma udostępnia AutoScientist bezpłatnie przez 30 dni od premiery, by przekonać do siebie pierwszych klientów.
Co to oznacza dla polskiego biznesu
Dla firm w Polsce, które nie mają zasobów na własne trenowanie modeli, samouczące narzędzia tego typu mogą realnie obniżyć barierę wejścia w dostrojony model AI. Wcześniej dostosowanie modelu do specyficznej domeny: księgowości, prawa pracy, obsługi klienta w branżowym żargonie, wymagało zespołu inżynierów ML i tygodni eksperymentów. Hooker argumentuje, że „tak jak generowanie kodu odblokowało wiele zadań, tak to odblokuje innowacje na granicy różnych dziedzin”. Jeśli te obietnice się potwierdzą, firmy z sektora MŚP zyskają dostęp do narzędzi, które do tej pory były domeną hyperscalerów. Dla polskich firm operujących na danych w języku polskim taka redukcja kosztów dostrojenia modelu jest szczególnie cenna. Warto jednak wstrzymać się z hurraoptymizmem. Komercyjne efekty AutoScientist trzeba dopiero zweryfikować poza pierwszymi prezentacjami marketingowymi.
Źródło: TechCrunch (EN), 13 maja 2026.
