Inherent: DeepMind-ის ყოფილი თანამშრომლების სტარტაპის AI აგენტი Anthropic-სა და OpenAI-ს სჯობნის

Inherent, ლონდონური ხელოვნური ინტელექტის ლაბორატორია, რომელიც Google DeepMind-ის ყოფილმა თანამშრომლებმა დააფუძნეს, აცხადებს, რომ მათმა AI აგენტმა გაცილებით დიდ მოდელებს აჯობა. მიუხედავად იმისა, რომ DeepMind-ის ეგიდით შექმნილ სხვა სტარტაპებთან შედარებით Inherent-ს აქამდე ნაკლები ყურადღება ექცეოდა, კომპანია უკვე კონკრეტულ შედეგებს აქვეყნებს.

სტელს-რეჟიმიდან გამოსვლიდან და 50 მილიონი დოლარის მოცულობის საწყისი (seed) დაფინანსების მიღებიდან სულ რამდენიმე კვირაში, ბრიტანულმა სტარტაპმა წარადგინა ახალი AI აგენტი Faraday. კომპანიის განცხადებით, Faraday-მ აჯობა ისეთ ცნობილ მოდელებს, როგორიცაა Anthropic-ის Claude Opus 4.8 და OpenAI-ის GPT-5.5, კონკრეტულ დავალებაში: გამოქვეყნებული სამეცნიერო ნაშრომების შედეგების დამოუკიდებლად რეპლიკაციაში (აღდგენაში), წინასწარი მინიშნებების გარეშე.

Inherent-ის მიზანი გაცილებით ამბიციურია — ისეთი ხელოვნური ინტელექტის შექმნა, რომელსაც ახალი სამეცნიერო ცოდნის აღმოჩენა შეეძლება და არა მხოლოდ ძველი შედეგების გადამოწმება. თუმცა, კომპანიის თანადამფუძნებელი და მთავარი მეცნიერი, ედვარდ ჰიუზი განმარტავს, რომ ნაშრომების რეპლიკაცია სტანდარტული სასწავლო სავარჯიშოა მეცნიერებისთვის და ბევრი დოქტორანტი სწორედ ამით იწყებს მუშაობას.

ეფექტურობა და „კვლევითი გემოვნება“

ჰიუზის თქმით, მთავარი მიღწევა არა მხოლოდ სხვა სისტემების დამარცხება, არამედ ამ შედეგის მიღწევის გზაა. Faraday მუშაობს შედარებით მცირე მოდელზე, სახელწოდებით Qwen 3.6, რომელსაც მხოლოდ 27 მილიარდი პარამეტრი აქვს. შედარებისთვის, Claude Opus 4.8 და GPT-5.5 გაცილებით მასშტაბური სისტემებია. პარამეტრების რაოდენობა მოდელის ზომისა და მისი წვრთნის ხარჯების პირდაპირი მაჩვენებელია.

წარმატების კრიტერიუმი მხოლოდ სიზუსტე არ ყოფილა. Inherent-ს სურდა, რომ Faraday-ს გამოევლინა ე.წ. „კვლევითი გემოვნება“ — ინსტინქტი იმისა, თუ რომელი ექსპერიმენტების ჩატარება ღირს და როგორ უნდა დაიგეგმოს ისინი საუკეთესოდ. ასეთი არამატერიალური უნარის სწავლება რთულია, რისთვისაც კომპანიამ განმამტკიცებელი სწავლება (reinforcement learning) გამოიყენა. ეს მეთოდი AI სისტემას კარგი შედეგებისთვის აჯილდოებს, ნაცვლად იმისა, რომ მკაცრი წესები დაუდგინოს.

Inherent-ის სტრატეგია ეყრდნობა ჯილდოზე დაფუძნებულ მიდგომას, რაც, მათი აზრით, უკეთესად იმუშავებს გრძელვადიან მიზანზე — შეიქმნას აგენტები, რომლებსაც წვლილის შეტანა მრავალ სამეცნიერო სფეროში შეეძლებათ. „ჩვენი ორიენტირი ყოველთვის არის AI მეცნიერი აგენტის შექმნა და მათთვის კვლევითი გემოვნების მინიჭება“, — აღნიშნავს ჰიუზი.

თანამშრომლობა და სამუშაო გარემო

კომპანიის ფილოსოფია გავლენას ახდენს იმაზეც, თუ რას არ აშენებს Inherent. მაგალითად, საკუთარი კოდირების ხელსაწყოს შექმნის ნაცვლად, Faraday იყენებს OpenAI-ის GPT-5.5 Codex-ს. ეს მიდგომა ჰგავს მეცნიერების მუშაობას, რომლებიც არსებულ პროგრამულ უზრუნველყოფას იყენებენ და ყველაფერს ნულიდან არ ქმნიან.

ჰიუზის თქმით, მიზანია შეიქმნას ისეთი „თანაგუნდელი“, რომელიც მომხმარებელს მხოლოდ იმას კი არ ეტყვის, რისი მოსმენაც მას სურს, არამედ გამოავლენს ინიციატივას: „დავინტერესდი ამ საკითხით, ჩავატარე ექსპერიმენტები და აი, რა შედეგები მივიღე. რას ფიქრობთ მათზე?“

ეს კოლაბორაციული სული კომპანიის მუშაობის სტილზეც აისახება. Inherent-ის თორმეტივე თანამშრომელი ლონდონში, კინგს-კროსის ოფისში მუშაობს. ჰიუზი მიიჩნევს, რომ ლონდონი საუკეთესო ადგილია AI ტალანტების კონცენტრაციის თვალსაზრისით, თუმცა აკრიტიკებს ბრიტანეთში გავრცელებულ „ბაღის შვებულების“ (garden leave) პრაქტიკას. ეს წესი თანამშრომლებს სამსახურიდან წასვლის შემდეგ თვეების განმავლობაში კონკურენტ კომპანიაში გადასვლას ან საკუთარი ბიზნესის დაწყებას უკრძალავს, რაც ამერიკულ სტარტაპებს უპირატესობას ანიჭებს.

სამომავლო გეგმები

სტარტაპი გაჩერებას არ აპირებს და წლის ბოლომდე გუნდის 20-25 ადამიანამდე გაზრდას გეგმავს. იმის გათვალისწინებით, რომ DeepMind-ში ბოლო დროს გარკვეული სტრუქტურული ცვლილებებია, Inherent შესაძლოა მიმზიდველი ადგილი აღმოჩნდეს იმ სპეციალისტებისთვის, რომლებიც ახალ გამოწვევებს ეძებენ.

„ეს არის პერსონალური ხედვა და არა კომპანიის პოზიცია, მაგრამ მე თავად შევეხე garden leave-ის პრობლემას“, — ამბობს ჰიუზი, რომელმაც საბოლოოდ შეძლო ამ ბარიერის გადალახვა და Inherent-ის დაფუძნება DeepMind-ის სხვა ყოფილ თანამშრომლებთან ერთად.