استارتاپ Inherent با مدل هوش مصنوعی Faraday غول‌های OpenAI و Anthropic را در بازتولید تحقیقات علمی شکست داد

استارتاپ بریتانیایی Inherent که توسط جمعی از دانشمندان و پژوهشگران سابق گوگل دیپ‌مایند (Google DeepMind) در لندن تأسیس شده است، اعلام کرد که عامل هوش مصنوعی (AI Agent) جدید این شرکت موفق شده است با وجود حجم و ابعاد بسیار کوچک‌تر، مدل‌های پیشرفته و فوق‌بزرگ شرکت‌های اوپن‌ای‌آی (OpenAI) و آنتروپیک (Anthropic) را در زمینه بازتولید مستقل مقالات علمی پشت سر بگذارد.

به گزارش بخش اخبار فناوری زوم تک به نقل از تک‌کرانچ (TechCrunch)، در میان استارتاپ‌های متعددی که توسط نخبگان سابق دیپ‌مایند راه‌اندازی شده‌اند، Inherent تاکنون توجه رسانه‌ای نسبتاً کمتری جلب کرده بود؛ اما در حالی که رقبای با سرمایه‌گذاری‌های کلان هنوز محصول ملموسی ارائه نداده‌اند، این تیم مستقر در لندن دستاوردهای عملی خود را به نمایش گذاشته است.

معرفی عامل هوش مصنوعی Faraday و اعتبارسنجی مقالات علمی

تنها چند هفته پس از خروج از حالت محرمانه با جذب یک سرمایه اولیه ۵۰ میلیون دلاری (Seed Round)، این استارتاپ هوش مصنوعی اعلام کرد که ایجنت جدید آن به نام Faraday (فارادی) در یک وظیفه تخصصی عملکردی فراتر از مدل‌های نام‌دار جهان به ثبت رسانده است: بازتولید و اثبات مستقل نتایج مقالات علمی منتشرشده، بدون اینکه از قبل پاسخ‌ها در اختیار آن قرار گرفته باشد.

اگرچه هدف نهایی و بلندپروازانه Inherent فراتر از این موضوع و ساخت هوش مصنوعی دانشمند (AI Scientist) برای کشف دانش علمی نوین است، اما ادوارد هیوز (Edward Hughes)، هم‌بنیان‌گذار و دانشمند ارشد این استارتاپ، معتقد است که بازتولید مقالات یک گام اساسی در فرایند آموزش پژوهشگران به شمار می‌رود. هیوز در این رابطه توضیح داد: «بسیاری از دانشجویان مقطع دکتری (PhD) کار خود را دقیقاً با تکرار و بازتولید آزمایش‌های پژوهشگران دیگر آغاز می‌کنند.»

پیروزی مدل ۲۷ میلیارد پارامتری در برابر غول‌ های چند صد میلیارد پارامتری

هیوز در گفتگو با تک‌کرانچ تأکید کرد که برتری صرف بر سایر سیستم‌ها هدف اصلی آن‌ها نبوده، بلکه شیوه دستیابی به آن حائز اهمیت است: «آنچه برای ما بیشترین جذابیت را داشت، صرفاً شکست دادن مدل‌های فرانتیر (Frontier) نبود — هرچند از این نتیجه بسیار خرسندیم — بلکه معماری و مسیری بود که برای خلق این ابزار طی کردیم.»

آنچه توجه سرمایه‌گذاران و کارشناسان هوش مصنوعی را به خود جلب کرده، مقایسه مقیاس این سیستم‌ها است:

• عامل Faraday بر روی یک مدل پایه نسبتاً کوچک به نام Qwen 3.6 با تنها ۲۷ میلیارد پارامتر پیاده‌سازی شده است.
• این سیستم در برابر غول‌های مقیاس فرانتیر از جمله Claude Opus 4.8 شرکت آنتروپیک و GPT-5.5 شرکت OpenAI با پارامترها و هزینه‌های آموزش نجومی به رقابت پرداخته و آن‌ها را مغلوب کرده است.

توسعه درک و شم علمی (Research Taste) با یادگیری تقویتی

معیار موفقیت Inherent فراتر از دقت آماری ساده بوده است. آن‌ها قصد داشتند فارادی نوعی «درک و بینش پژوهشی» (Research Taste) از خود نشان دهد؛ غریزه‌ای علمی برای تشخیص این که چه آزمایش‌هایی ارزش اجرا دارند و چگونه باید طراحی شوند.

آموزش مفاهیم غیرملموسی مانند درک علمی دشوار است و اینجاست که یادگیری تقویتی (Reinforcement Learning) اهمیت پیدا می‌کند. این روش آموزشی به جای تعریف قوانین صلب، سیستم هوش مصنوعی را در ازای دستاوردهای درست پاداش می‌دهد. Inherent به جای آموزش عامل‌ها بر پایه صرفِ مطالعه نحوه انجام علم، بر این رویکرد مبتنی بر پاداش تکیه کرده تا زمینه را برای توسعه عامل‌هایی با توانایی مشارکت در شاخه‌های گوناگون علوم فراهم کند.

هیوز با اشاره به اینکه هدف غایی آن‌ها ساخت دانشمند هوش مصنوعی است، افزود این رویکرد به استراتژی توسعه آن‌ها نیز شکل داده است؛ به عنوان مثال، Inherent به جای ساخت ابزار کدنویسی اختصاصی، به فارادی اجازه داده است تا از GPT-5.5 Codex اوپن‌ای‌آی استفاده کند؛ دقیقاً همانند دانشمندان انسانی که به جای برنامه‌نویسی هر بخش از ابتدا، از نرم‌افزارهای استاندارد موجود استفاده می‌کنند.

ایجاد یک هم‌ تیمی کنجکاو در قطب هوش مصنوعی کینگز کراس لندن

استارتاپ Inherent به دنبال طراحی مدل‌هایی نیست که صرفاً تاییدکننده نظرات کاربر باشند، بلکه هدف شبیه‌سازی یک همکار و هم‌تیمی علمی ایده‌آل است؛ همکاری که با اشتیاق می‌گوید: «من درباره این مسئله کنجکاو شدم، مجموعه‌ای از آزمایش‌ها را انجام دادم؛ نظر شما درباره این نتایج چیست؟»

این دیدگاه تعاملی در نحوه کار شرکت نیز نمود یافته است. تمامی ۱۲ کارمند این استارتاپ به صورت کاملاً حضوری در دفتری واقع در منطقه کینگز کراس (King’s Cross) لندن فعالیت می‌کنند؛ محله‌ای که با حضور گوگل دیپ‌مایند به یکی از قطب‌های اصلی فناوری هوش مصنوعی در جهان بدل شده است.

انتقاد از قوانین استخدامی بریتانیا و برنامه جذب نخبگان هوش مصنوعی

اگرچه هیوز به ظرفیت بالای لندن در پرورش استعدادهای هوش مصنوعی باور دارد، اما به جمع منتقدان قانون «مرخصی باغبانی» (Garden Leave) در بریتانیا پیوسته است؛ قانونی که بر اساس آن نخبگان پس از استعفا تا ماه‌ها از پیوستن به شرکت‌های رقیب یا تأسیس استارتاپ منع می‌شوند. این در حالی است که محققان در آمریکا با چنین موانعی روبه‌رو نیستند و این مسئله مزیتی رقابتی به استارتاپ‌های آمریکایی می‌دهد.

ادوارد هیوز پس از سپری کردن این محدودیت‌ها، Inherent را در کنار دو پژوهشگر دیگر دیپ‌مایند به نام‌های لوئیس کرش (Louis Kirsch) و کالویان الکسیف (Kaloyan Aleksiev) و همچنین هم‌بنیان‌گذار چهارم، تانتوم کالینز (Tantum Collins) تأسیس کرد. این استارتاپ قصد دارد تا پایان سال جاری میلادی تیم خود را به ۲۰ تا ۲۵ نفر گسترش دهد. با توجه به جاه‌طلبی‌های این شرکت در توسعه مدل‌های جهان (World Models) و تحولات مدیریتی جدید در دیپ‌مایند به رهبری دمیس حسابیس، این مجموعه می‌تواند به مقصدی ایده‌آل برای مهاجرت نخبگان دیپ‌مایند تبدیل شود.