Thinking Machines Lab publicou um relatório argumentando que os sistemas de IA atuais, que normalmente são treinados em locais centralizados e depois congelados, excluem as pessoas a quem servem. O laboratório propõe uma mudança para uma IA distribuída e personalizável que estenda a vontade e o julgamento humanos.
O relatório delineia quatro direções técnicas para alcançar esse objetivo: treinar modelos fortes com interação multimodal e personalização; construir ferramentas que permitam aos usuários ajustar e treinar os pesos do modelo eles mesmos; desenvolver interfaces que ampliem o canal de comunicação humano-máquina; e publicar pesquisas para ajudar mais engenheiros a entender como os modelos são feitos.
Essas direções visam mover tanto o conhecimento quanto o alinhamento mais perto dos usuários, garantindo que os sistemas de IA continuem sendo moldados por suas comunidades em vez de permanecerem como artefatos estáticos.