Inherent'in küçük Faraday ajanı, frontier yapay zeka modellerine karşı araştırma tekrarlama başarısı elde ettiğini iddia ediyor

İddia

Eski Google DeepMind çalışanları tarafından kurulan Londra merkezli yapay zeka laboratuvarı Inherent, yeni yayımladığı Faraday ajanının, cevaplar önceden kendisine verilmeden, yayımlanmış bilimsel makalelerin sonuçlarını bağımsız olarak tekrarlama konusunda Anthropic ve OpenAI'nin çok daha büyük modellerinden daha iyi performans gösterdiğini iddia ediyor. TechCrunch tarafından aktarılan iddia şirketin kendisine ait ve bağımsız olarak doğrulanmış değil.

Karşılaştırmada Faraday, Anthropic'in Claude Opus 4.8'i ve OpenAI'nin GPT-5.5'i ile yarıştırıldı; ikisi de frontier ölçeğinde sistemler. TechCrunch'a göre Faraday, 27 milyar parametreli bir model olan Qwen 3.6 üzerinde çalışıyor — bu, söz konusu sistemlerin çok küçük bir fraction'ı ve parametre sayısı hem ölçek hem de eğitim maliyetinin kaba bir göstergesi olarak kabul ediliyor.

Gizlilikten yeni çıkan bir girişim

Inherent, yalnızca birkaç hafta önce 50 milyon dolarlık bir seed yatırım turuyla gizlilikten çıktı ve Louis Kirsch, Kaloyan Aleksiev, Tantum Collins ile Edward Hughes tarafından yönetiliyor. Baş bilim insanı Hughes, tekrarlamayı insan araştırmacılara tanıdık bir eğitim alıştırması olarak tanımlıyor ve birçok doktora öğrencisinin kariyerine, özgün bir şey üretmeden önce mevcut çalışmaları tekrarlayarak başladığına dikkat çekiyor. Laboratuvarın uzun vadeli hedefi, yalnızca eski sonuçları kontrol etmek yerine yeni bilimsel bilgi keşfeden yapay zeka.

Bir ajana araştırma muhakemesi öğretmek

Ölçüt yalnızca doğruluk değildi. Hughes, TechCrunch'a Inherent'in ayrıca Faraday'ın "araştırma zevki" dediği şeyi — hangi deneylerin yapmaya değer olduğu ve bunların nasıl iyi tasarlanacağına dair bir içgüdüyü — göstermesini istediğini söyledi. Hughes, alıştırmanın en ilginç kısmının frontier ajanları geçmek değil ("bunu elbette sevdik") ekibin sistemi nasıl inşa ettiği olduğunu belirtti.

O yöntem, ajanı iyi sonuçlar için ödüllendiren ancak açık kurallar dayatmayan pekiştirmeli öğrenme (reinforcement learning). Inherent, eğitimi öncelikli olarak bilimin kendisinin nasıl yürütüldüğüne ilişkin formal çalışmaya dayandırmak yerine, bu ödül temelli yaklaşıma yaslanıyor ve bunun birçok bilimsel alana katkı sağlayabilen ajanlara daha iyi genelleme yapacağına bahis oynuyor.

Şirket, ne inşa etmeyeceğine dair sınırlar da çizdi. Inherent kendi kodlama aracını geliştirmedi ve Faraday'ın OpenAI'nin GPT-5.5 Codex'ini kullanmasını sağladı; bu, insan bilim insanlarının her şeyi sıfırdan yazmak yerine mevcut yazılımları benimsemesini yansıtıyor.

Hughes'a göre ajanın şablonu belirli bir türden meslektaş: merak ettiğini söyleyerek geri dönüp bazı deneyler yapan ve sonuçlar hakkında ne düşündüğünüzü soran biri. Amaç, dediğine göre, kullanıcılara sadece duymak istediklerini söyleyen ajanlardan kaçınmak.

Londra'da istihdam hamlesi

Inherent'in yaklaşık bir düzine çalışanın tümü, DeepMind'ın varlığının önemli bir yapay zeka merkezine dönüştürmesine katkı sağladığı Londra semti King's Cross'taki bir ofiste yüz yüze çalışıyor. Şirket yıl sonuna kadar 20 ila 25 kişiye büyümeyi planlıyor.

Hughes, Londra'nın yapay zeka yeteneği yoğunluğuna iyimser bakıyor ancak ayrıca İngiltere'nin "garden leave" uygulamasını eleştirdi; bu uygulama, ayrılan çalışanların istifa ettikten sonra bir süre rakip bir şirkete katılmalarını veya kurmalarını engelliyor — Hughes'a göre Amerikalı araştırmacıların genellikle karşılaşmadığı bir kısıtlama. Bunu şirket pozisyonu değil kişisel görüş olarak nitelendirdi ve kendisinin bundan kişisel olarak etkilendiğini söyledi. TechCrunch ayrıca Demis Hassabis yeni bir role geçerken bazı DeepMind çalışanlarının da kararsız olması nedeniyle Inherent'in istihdam hamlesinin taşınmayı düşünen DeepMind çalışanları için cazip bir adres olabileceğine dikkat çekiyor.

Neden önemli

Doğru ödül şemasıyla eğitilmiş 27 milyar parametreli bir model, otonom makale tekrarlamada frontier ölçeğindeki sistemleri geçebiliyorsa, bu, agentic bilimsel çalışma için hedefli pekiştirmeli öğrenmenin ham ölçek kadar önemli olabileceğine işaret ediyor. İddia ayrıca doğrulamadan keşfe giden yolda bir kilometre taşı: tekrarlama bir ısınma ve Inherent'in beyan ettiği varış noktası, yeni bilimsel bilgi üreten yapay zeka. Ancak uyarılar önemli — benchmark dar, değerlendirmeyi girişimin kendisi yürüttü ve ne Anthropic ne de OpenAI kamuya açık bir yanıt verdi — bu yüzden sonuç, model sıralamaları üzerine kesin bir hüküm olarak değil, küçük ve bilinçli şekilde eğitilmiş ajanların hangi yöne gittiğine dair yönlendirici bir sinyal olarak okunmalı.