Thinking Machines Lab publicó un informe que argumenta que los sistemas de IA actuales, que normalmente se entrenan en ubicaciones centralizadas y luego se congelan, excluyen a las personas a las que sirven. El laboratorio propone un cambio hacia una IA distribuida y personalizable que extienda la voluntad y el juicio humanos.
El informe esboza cuatro direcciones técnicas para lograr este objetivo: entrenar modelos fuertes con interacción multimodal y personalización; construir herramientas que permitan a los usuarios ajustar y entrenar los pesos del modelo ellos mismos; desarrollar interfaces que amplíen el canal de comunicación humano-máquina; y publicar investigaciones para ayudar a más ingenieros a entender cómo se hacen los modelos.
Estas direcciones tienen como objetivo acercar tanto el conocimiento como la alineación a los usuarios, asegurando que los sistemas de IA sigan siendo moldeados por sus comunidades en lugar de permanecer como artefactos estáticos.