Научный прогресс зависит от репликации, процесса воспроизведения экспериментов для проверки их достоверности . В то время как общие модели ИИ долгое время использовались для анализа данных, новый специализированный агент пытается автоматизировать сам процесс научного открытия.
Inherent, лондонский стартап, основанный выпускниками DeepMind, недавно вышел из режима скрытности с seed-раундом в $50 миллионов [S4, S5]. Компания представила Faraday, агент ИИ, предназначенный для независимого воспроизведения результатов опубликованных научных статей без предварительного знания ожидаемых ответов [S5, S6].
Как Faraday отличается от передовых моделей
Большинство ведущих систем ИИ полагаются на огромный масштаб для достижения высокой производительности. Однако Inherent заявляет, что Faraday превосходит гораздо более крупные передовые модели, а именно GPT-5.5 от OpenAI и Claude Opus 4.8 от Anthropic, при репликации исследований [S1, S4, S6].
Это различие в производительности заметно из-за разницы в архитектуре. Faraday работает на Qwen 3.6, модели с 27 миллиардами параметров [S4, S5]. Это значительно меньше, чем архитектуры, используемые его конкурентами [4]
Для достижения этих результатов Inherent использовал конкретный бенчмарк под названием Replica, состоящий из 310 задач, взятых из 100 статей по ИИ для науки и машинному обучению [7]. Хотя компания заявляет о превосходной производительности, эти результаты пока не прошли независимую проверку [S2, S5].
Концепция «research taste»
Inherent оптимизирует не только получение правильного конечного ответа. Сооснователь Эдвард Хьюз объясняет, что цель состоит в развитии «research taste», то есть способности определять, какие эксперименты стоит проводить и как эффективно их проектировать [S4, S5].
Почему это важно? Система, которая просто следует фиксированной процедуре, может проверить результат, но истинный научный коллега должен решать, какие переменные тестировать и когда доказательства станут достаточно сильными, чтобы оправдать вывод [5].
Для развития этого инстинкта Inherent использовал обучение с подкреплением [S4, S6]. Вместо обучения ИИ данным о том, как обычно работают учёные, система получает вознаграждение за достижение полезных результатов [5]. Этот подход побуждает ИИ отдавать приоритет экспериментам с высоким потенциалом научного воздействия, а не следовать жёстким заранее заданным правилам [4]
Модульный подход к агентности ИИ
Faraday не стремится стать монолитным инструментом, который делает всё. Вместо этого он следует совместной архитектуре, отражающей то, как работают человеческие исследователи [5].
Например, Inherent не создал специальный инструмент для программирования для Faraday. Вместо этого агент использует Codex GPT-5.5 от OpenAI для своих задач программирования [S4, S5]. Это позволяет агенту использовать существующие высокопроизводительные инструменты для конкретных функций, сосредоточив свои собственные рассуждающие способности на научном рабочем процессе [5].
Эта стратегия указывает на сдвиг в разработке ИИ. Вместо создания одной огромной модели будущее технических агентов может заключаться в сочетании меньшей модели рассуждений со специализированными инструментами, средами экспериментов и циклами оценки [5]
Практические последствия для R&D-команд
Для предприятий в области поиска лекарств, исследований материалов или инженерии появление специализированных агентов, подобных Faraday, вводит новый компромисс между размером модели и специализированной полезностью [5]
Меньшие модели могут быть дешевле в развертывании, что критично, когда рабочий процесс требует повторных вызовов модели или тысяч симулированных экспериментов [5]. Однако общая стоимость агента определяется не только размером модели; она также включает затраты на использование инструментов, доступ к данным и проверку человеком [5]
Для R&D-команд основная ценность такой системы заключается не только в скорости, но и в создании проверяемого аудиторского следа [5]. В чувствительных научных областях привлекательный результат менее ценен, чем тот, который можно проверить и воспроизвести [5]
Поскольку Inherent расширяет свою команду в Лондоне, индустрия будет наблюдать, сможет ли этот подход на основе обучения с подкреплением масштабироваться по нескольким научным дисциплинам [5]
Источники
- Inherent, основанный выпускниками DeepMind, заявляет, что его ИИ ‘teammate’ just …
- Стартап Inherent, основанный выпускниками DeepMind, заявляет, что его ИИ-технолог teammate побеждает OpenAI и Anthropic
- Inherent, основанный выпускниками DeepMind, заявляет, что его ИИ ‘teammate’ just …
- ИИ Inherent превосходит Anthropic и OpenAI
- Inherent заявляет, что его агент Faraday AI побеждает Anthropic и OpenAI в …
- ИИ выпускников DeepMind побеждает OpenAI и Anthropic в репликации исследований …
- Inherent заявляет, что Faraday превосходит Claude и GPT-5.5 при репликации статей - AI Weekly
