Tóm tắt tin tức
TREE NEWS đưa tin: Ngày 23 tháng 8, TechCrunch đưa tin rằng Inherent, một phòng thí nghiệm AI có trụ sở tại London do các cựu nghiên cứu viên Google DeepMind thành lập, đã công bố Faraday, một tác nhân nghiên cứu AI được thiết kế để độc lập tái tạo kết quả từ các bài báo khoa học đã công bố. Trong các bài kiểm tra điểm chuẩn, Faraday vượt trội hơn các mô hình tiên tiến như Claude Opus 4.8 của Anthropic và GPT-5.5 của OpenAI, mặc dù được xây dựng trên mô hình Qwen 3.6 tương đối nhỏ với chỉ 2,7 tỷ tham số.
Phân tích ngành
Thành công của Faraday thách thức giả định phổ biến rằng các mô hình lớn hơn về bản chất có năng lực hơn. Bằng cách tận dụng học tăng cường để nuôi dưỡng ‘vị giác nghiên cứu’—khả năng đánh giá thí nghiệm nào đáng theo đuổi và cách thiết kế chúng—Inherent đang thúc đẩy AI vượt ra ngoài nhận dạng mẫu đơn giản để tiến vào khám phá khoa học dựa trên giả thuyết. Cách tiếp cận này phản ánh cách các nhà nghiên cứu con người được đào tạo: tái tạo công việc hiện có làm nền tảng cho khám phá nguyên bản.
Việc Faraday sử dụng GPT-5.5 Codex của OpenAI như một công cụ mã hóa làm nổi bật một mô hình thực dụng, biết sử dụng công cụ. Thay vì chỉ dựa vào khả năng của chính mình, Faraday hoạt động như một người điều phối, gọi các mô hình bên ngoài cho các nhiệm vụ chuyên biệt—giống như một nhà khoa học sử dụng phần mềm để phân tích dữ liệu. Quy trình làm việc kết hợp này có thể trở thành tiêu chuẩn cho các tác nhân AI trong nghiên cứu, cho phép các mô hình nhỏ hơn, hiệu quả hơn vượt xa tầm vóc của chúng.
Khoản tài trợ hạt giống 50 triệu đô la của Inherent và tham vọng xây dựng một ‘nhà khoa học AI’ có khả năng khám phá tự trị trên nhiều lĩnh vực báo hiệu một biên giới mới trong nghiên cứu AI. Tuy nhiên, trọng tâm của công ty vào việc xác nhận thông qua tái tạo là một bước đầu tiên quan trọng, đảm bảo rằng các phát hiện do AI tạo ra đáng tin cậy trước khi chúng được tin tưởng để tạo ra kiến thức mới.
Triển vọng tương lai
Nếu phương pháp đào tạo của Inherent được chứng minh là có khả năng mở rộng, chúng ta có thể thấy sự thay đổi trong cách phát triển các mô hình AI cho các ứng dụng khoa học—ưu tiên hiệu quả và chuyên môn lĩnh vực hơn số lượng tham số thô. Điều này có thể dân chủ hóa quyền truy cập vào các công cụ nghiên cứu tiên tiến, cho phép các phòng thí nghiệm và tổ chức nhỏ hơn cạnh tranh với các gã khổng lồ công nghệ. Đối với hệ sinh thái AI và tiền điện tử rộng lớn hơn, việc tích hợp các tác nhân AI với các mạng tính toán phi tập trung hoặc các chợ dữ liệu có thể mở ra các trường hợp sử dụng mới, chẳng hạn như nghiên cứu được đánh giá ngang hàng trên chuỗi hoặc các khám phá khoa học được mã hóa.
Khi Faraday phát triển, thước đo chính sẽ là liệu nó có thể chuyển từ tái tạo sang đổi mới thực sự—tạo ra các giả thuyết dẫn đến các đột phá khoa học mới, có thể kiểm chứng hay không. Nếu thành công, Inherent có thể không chỉ định nghĩa lại vai trò của AI trong khoa học mà còn thiết lập một tiền lệ cho cách AI và công nghệ blockchain có thể hợp tác trong việc theo đuổi tri thức.
