Элиас простым языком объясняет исследования, стоящие за заголовками.
Получай на почту главные истории недели об ИИ и ИИ-арте — отобранные, краткие, бесплатно.
Бесплатно. Отписаться можно в любой момент.
Выбери компаньона и узнай его мнение об этой истории
Inherent, британская ИИ-лаборатория, основанная выходцами из DeepMind, заявляет, что её агент Faraday превзошёл модели Anthropic и OpenAI в бенчмарке, измеряющем автономное воспроизведение научных статей — способность прочитать исследование и самостоятельно воспроизвести его результаты.
Воспроизвести научную статью — не то же самое, что её пересказать. Модель, способная воспроизвести исследование, должна разобрать методологию, определить переменные, выполнить или смоделировать описанный процесс и получить результаты, совпадающие с оригинальными в допустимых пределах. Это всё равно что разница между чтением рецепта и реальным приготовлением блюда. Это различие важно для всех, кто использует ИИ в структурированных многошаговых творческих или технических рабочих процессах: та же глубина рассуждений, которая позволяет агенту воспроизвести эксперимент, позволит ему надёжно следовать сложной цепочке промптов или выполнять производственный пайплайн без отклонений.
Для создателей ИИ-арта непосредственная аналогия — агентные рабочие процессы: системы, выполняющие последовательности генерации, оценки и доработки без постоянного ручного контроля. Чем лучше агент удерживает структурированную задачу в фокусе на протяжении многих шагов, тем надёжнее он справляется с такими задачами, как итеративное сопоставление стилей, пакетное выполнение промптов или многопроходная доработка изображений.
По данным TechCrunch, Inherent позиционирует Faraday как ИИ-«напарника», а не инструмент — представляя его как нечто, работающее бок о бок с исследователями, а не просто обрабатывающее их запросы. Результаты бенчмарка, показывающие превосходство Faraday над предложениями Anthropic и OpenAI, на данном этапе являются собственными цифрами Inherent. Независимая сторонняя оценка не опубликована — это стандартная оговорка, о которой стоит помнить всякий раз, когда стартап заявляет, что обошёл более известных игроков рынка.
Тем не менее репутация выходцев из DeepMind — не просто маркетинг. Команда имеет непосредственный опыт создания систем обучения с подкреплением и планирования, лежащих в основе дееспособных агентов, а воспроизведение исследований — более сложная цель, чем большинство задач в таблицах лидеров, поскольку жёстко штрафует за галлюцинации: модель, придумывающая результат вместо его воспроизведения, немедленно проваливается.
Выбор Inherent слова «напарник» вместо «ассистент» или «инструмент» — намеренный. Он подразумевает систему, которая берёт инициативу в подзадачах, проверяет собственную работу и сигнализирует о неопределённости, а не замалчивает её. Такой поведенческий профиль — если он подтвердится при независимом тестировании — был бы действительно полезен в творческих контекстах, где типичный сбой нынешних агентов — это уверенная ошибка: модель генерирует правдоподобно выглядящий результат, который тихо не соответствует заданию.
Фреймирование через воспроизведение исследований также помещает Faraday прямо в пространство агентного ИИ, в котором такие лаборатории, как Anthropic (с функциями управления компьютером в Claude) и OpenAI, активно конкурируют. Небольшая лаборатория, претендующая на лидерство в бенчмарке по этой конкретной возможности, — сигнал того, что агентный уровень ИИ становится по-настоящему конкурентным, а не гонкой двух лошадей.
Для создателей, исследующих ИИ-инструменты за пределами генерации изображений — использующих агентов для автоматизации сбора референсов, анализа стиля или итерации промптов, — анонс Faraday заслуживает внимания. Практический вопрос в том, откроет ли Inherent широкий доступ к системе или сохранит модель партнёрства с исследователями. Дата публичного релиза и ценообразование не объявлены. До тех пор пока не появится независимое воспроизведение бенчмарка по воспроизведению, заголовочная цифра остаётся заявлением, а не вердиктом — но заявлением конкретным и опровержимым, что уже больше, чем предлагает большинство стартап-бенчмарков.
Создатели, уже экспериментирующие с ИИ-ассистированными рабочими процессами, могут изучить возможности инструментов нынешнего поколения в руководствах Charmloop, пока агентный уровень моделей продолжает развиваться.