Bilimsel ilerleme, deneyleri yeniden yaparak geçerliliklerini doğrulama süreci olan replikasyon üzerine kuruludur. Amaçlı olmayan genel amaçlı AI modelleri uzun süredir veri analizi için kullanılmışken, yeni bir özel ajan bilimsel keşfın gerçek sürecini otomatikleştirmeye çalışıyor.
DeepMind mezunu kurucular tarafından Londra’da kurulmuş bir başlangıç olan Inherent, récemment gizli moddan $50 milyonluk seed turuyla çıktı [S4, S5]. Şirket, Faraday’ı tanıttı; bu, yayınlanmış bilimsel makalelerin bulgularını beklenen sonuçları önceden bilmeden bağımsız olarak yeniden üretmek tasarlanmış bir AI ajanı [S5, S6].
Faraday’ın Frontier Modellerden Farkı
Önde gelen çoğu AI sistemi, yüksek performans elde etmek için büyük ölçek üzerine dayanır. Ancak, Inherent, Faraday’ın çok daha büyük frontier modellerine göre, özellikle OpenAI’nin GPT-5.5 ve Anthropic’in Claude Opus 4.8 modelleriyle araştırma tekrarlamada daha iyi performans gösterdiğini iddia ediyor [S1, S4, S6].
Bu performans farkı, mimari farkından dolayı dikkat çekicidir. Faraday, 27 milyar parametreye sahip Qwen 3.6 modelinde çalışır [S4, S5]. Bu, rakiplerinin kullandığı mimarilerden anlamlı olarak daha küçüktür [4].
Bu sonuçları elde etmek için, Inherent, Replica adı verilen özel bir benchmark kullandı; bu benchmark, 100 AI-for-science ve makine öğrenimi makalesinden çekilen 310 görevden oluşur [7]. Şirket üstün performans raporlamasına rağmen, bu sonuçlar henüz bağımsız olarak doğrulanmamıştır [S2, S5].
“Araştırma Zevki” Kavramı
Inherent sadece doğru最終答案 için optimize etmiyor. Ortak kurucu Edward Hughes, hedefin “araştırma zevki” geliştirmek olduğunu açıklıyor; bu, hangi deneylerin yapılması değerli olduğunu belirleme ve etkili bir şekilde tasarlama yeteneğidir [S4, S5].
Bu neden önemli? Sadece sabit bir prosedürü izleyen bir sistem bir sonucu doğrulayabilir, ancak gerçek bir bilim işbirliği partneri, hangi değişkenlerin test edileceğini ve kanıtın bir sonuç gerekçesi olarak yeterince güçlü olduğunda karar vermesi gerekir [5].
Bu intuitionsi geliştirmek için, Inherent pekiştirme öğrenimi kullandı [S4, S6]. Bilim insanlarının tipik olarak nasıl çalıştığına ilişkin verilerle AI’yı eğitmek yerine, sistem faydalı sonuçlar elde ettiğinde ödüllendirilir [5]. Bu yaklaşım, AI’yı önceden tanımlanmış sıkı kuralları izlemek yerine, bilimsel etkisi yüksek potansiyelli deneyleri önceliklendirecek şekilde teşvik eder [4].
AI Ajansı İçin Modüler Yaklaşım
Faraday, her şeyi yapan tek bir araç olmaya çalışmaz. Bunun yerine, insan araştırmacıların nasıl çalıştığını yansıtan işbirlikçi bir mimariyi izler [5].
Örneğin, Inherent, Faraday için özel bir kodlama aracı oluşturmadı. Bunun yerine, ajans kodlama görevleri için OpenAI’nin GPT-5.5 Codex’ini kullanır [S4, S5]. Bu, ajanın kendi reasoning yeteneklerini bilimsel iş akışı üzerinde odaklarken, belirli işlevler için mevcut yüksek performanslı araçlardan yararlanmasına olanak tanır [5].
Bu strateji, AI geliştirmesinde bir değişim öneriyor. Tek tek devasa bir model inşa etmek yerine, teknik ajanların geleceği, küçük bir reasoning modeliyle özel araçlar, deney ortamları ve değerlendirme döngülerini birleştirmekle olabilir [5].
R&D Takımları için Pratik Etkiler
İlaç keşfi, malzeme araştırması veya mühendislik gibi kurumlarda, Faraday gibi özel ajanların ortaya çıkması, model boyutu ve özel kullanım arasında yeni bir dengeyi getiriyor [5].
Daha küçük modeller dağıtım açısından daha ucuz olabilir; bu, bir iş akışının modeli tekrar tekrar çağırması veya binlerce simüle deney gerektirdiği durumlarda kritiktir [5]. Ancak, bir ajanın toplam maliyeti sadece model boyutu ile sınırlı değildir; araç kullanımı, veri erişimi ve insan denetimi maliyeti de dahildir [5].
R&D takımları için, bu sistemin primer değeri sadece hız değil, doğrulanabilir bir denetim izi oluşturmaktır [5]. Hassas bilim alanlarında, çekici bir sonuç, kontrol edilebilir ve yeniden üretilebilir bir sonuçtan daha az değerdir [5].
Inherent Londra ekibini genişlettikçe, endüstri bu pekiştirme öğrenimi yaklaşımının çok sayıda bilim disiplini arasında ölçeklenip ölçeklenmeyeceğini izleyecek [5].
Kaynaklar
- DeepMind mezunu tarafından kurulan Inherent, AI ’takım arkadaşı’nı … diyor
- DeepMind Mezunu Başlangıç Inherent, AI Takım Arkadaşının OpenAI ve Anthropic’i Yendiğini İddia Ediyor
- DeepMind mezunu tarafından kurulan Inherent, AI ’takım arkadaşı’nı … diyor
- Inherent’in AI’si Anthropic ve OpenAI’den Daha İyi Performans Gösteriyor
- Inherent, Faraday AI ajansının Anthropic ve OpenAI’yi … yendiğini söylüyor
- DeepMind mezunu’nun AI’si OpenAI ve Anthropic’i araştırma tekrarlamada … yendi
- Inherent, Faraday’nin Claude ve GPT-5.5’i makale tekrarlamasında önde tuttuğunu söylüyor - AI Weekly
