Un investigador ha utilizado la IA, específicamente el modelo Claude Code, para automatizar y mejorar el código de investigación existente en un proyecto llamado eCLIP. El experimento, inspirado en la iniciativa 'Autoresearch' de Andrej Karpathy, involucró un bucle de optimización iterativo donde Claude Code modificaba el código fuente (train.py) y ajustaba hiperparámetros, guiado por instrucciones en program.md y un archivo de 'scratchpad' para documentar su proceso. El objetivo era mejorar una métrica de evaluación, en este caso, el 'Mean Rank' en la recuperación de imágenes a partir de texto. Para ello, se utilizó un nuevo conjunto de datos de grabados japoneses (Ukiyo-eVG). El experimento, ejecutado en un entorno aislado para seguridad, logró reducir el 'Mean Rank' de 344.68 a 157.43 en 42 iteraciones, lo que representa una mejora del 54%. La IA identificó y corrigió un error en el código (clamping de la temperatura) y realizó ajustes de hiperparámetros. Aunque las ideas más ambiciosas no tuvieron éxito, el experimento demostró el potencial de la IA para acelerar la investigación en machine learning, aunque con limitaciones en la exploración de soluciones completamente nuevas. El investigador destaca la importancia de un entorno controlado y la necesidad de intervención humana en las etapas finales del proceso.
Noticias agregadas con IA