Lontoolainen tekoälylaboratorio Inherent kertoi, että sen tuore Faraday-agentti päihitti selvästi suuremmat mallit tieteellisten artikkeleiden toistamisessa. TechCrunchin haastattelussa yhtiö vertasi agenttiaan Anthropicin Claude Opus 4.8:aan ja OpenAI:n GPT-5.5:een. Faraday pyörii 27 miljardin parametrin Qwen 3.6 -mallilla.
Yhtiö nousi julkisuuteen vasta viikkoja sitten 50 miljoonan dollarin siemenrahoituksella. Perustajat tulevat Google DeepMindilta. Moni saman taustan startup on toistaiseksi pysynyt hiljaa, joten mitattava tulos erottuu joukosta.
Pieni malli päihitti selvästi suuremmat
Tehtävä oli tarkkaan rajattu. Agentin piti toistaa julkaistun tieteellisen artikkelin tulokset itsenäisesti ilman, että vastausta kerrottiin sille etukäteen. Mittapuuna olivat kaksi selvästi suurempaa kärkimallia.
Kokoero on merkittävä osa uutista. Parametrien määrä on karkea mittari mallin koosta ja tyypillisesti myös sen koulutuskustannuksista. Faradayn pohjalla on 27 miljardin parametrin malli, kun verrokit ovat kokoluokkaa suurempia järjestelmiä.
Inherentin rima oli korkeammalla kuin pelkkä osumatarkkuus. Yhtiö halusi agentin osoittavan myös tutkimusmakua eli vaistoa siitä, mitkä kokeet kannattaa ajaa ja miten ne suunnitellaan. Pelkkä oikea lopputulos ei olisi riittänyt.
Toinen perustajista ja yhtiön tutkimusjohtaja Edward Hughes korosti TechCrunchille, ettei kärkiagenttien voittaminen ollut tuloksen kiinnostavin puoli. Olennaisempaa oli hänen mukaansa se tapa, jolla agentti rakennettiin.
Artikkelien toistaminen on tutkijan perusharjoitus
Artikkelin replikointi voi kuulostaa tempulta, kun yhtiön varsinainen tavoite on löytää uutta tieteellistä tietoa. Hughesin mukaan vertaus ontuu. Sama harjoitus kuuluu myös ihmistutkijan koulutukseen.
Moni väitöskirjatutkija aloittaa juuri toistamalla aiempia tuloksia. Harjoitus opettaa lukemaan menetelmäkuvausta tarkasti ja rakentamaan koeasetelman itse. Vasta sen jälkeen siirrytään omiin kysymyksiin.
Asetelma on agentille vaativa. Artikkelin tulos on julkisesti olemassa, mutta agentille sitä ei kerrota etukäteen. Onnistuminen edellyttää, että se rakentaa polun tulokseen itse.
Inherentin pidemmän aikavälin päämäärä on rakentaa tekoäly, joka löytää uutta tietoa eikä vain varmista vanhaa. Replikointi on siis välivaihe, ei lopputuote. Se on kuitenkin mitattava välivaihe, mikä tekee siitä käyttökelpoisen vertailukohdan.
Vahvistusoppiminen opettaa makua sääntöjen sijaan
Tutkimusmaun kaltaista ominaisuutta on vaikea opettaa säännöillä. Inherent nojaa siksi vahvistusoppimiseen. Menetelmä palkitsee järjestelmän hyvistä lopputuloksista sen sijaan, että sille lueteltaisiin noudatettavia ohjeita.
Yhtiö ei kouluttanut agenttejaan ensisijaisesti tutkimalla, miten tiedettä tehdään. Se panostaa palkkiopohjaiseen lähestymistapaan ja uskoo sen yleistyvän paremmin. Tavoitteena ovat agentit, jotka pystyvät osallistumaan useilla tieteenaloilla.
Inherent pyrkii myös välttämään myötäileviä agentteja. Hughes kuvasi ihannettaan kollegaksi, joka palaa oma-aloitteisesti kertomaan ajaneensa muutaman kokeen ja kysyy mielipidettä tuloksista. Myöntelevä avustaja ei täytä sitä roolia.
Tiimi rakentaa vain sen, mitä muut eivät tarjoa
Rajaus näkyy myös siinä, mitä Inherent jättää tekemättä. Yhtiö ei kehittänyt omaa koodaustyökalua vaan antoi Faradayn käyttää OpenAI:n GPT-5.5 Codexia. Perustelu on käytännöllinen: ihmistutkijatkaan eivät rakenna kaikkia ohjelmistojaan itse.
Yhtiössä työskentelee kymmenkunta ihmistä, ja kaikki tekevät työtä samassa toimistossa Lontoon King's Crossissa. Alue muuttui Google DeepMindin läsnäolon myötä yhdeksi maailman tekoälykeskittymistä. Hughesin mukaan Lontoo on juuri oikea paikka olla.
Väkimäärän on tarkoitus nousta noin 20-25 henkeen vuoden loppuun mennessä. Hughes on myös arvostellut Britanniassa yleistä garden leave -käytäntöä, joka estää lähtevää työntekijää siirtymästä kilpailijalle kuukausiksi. Yhdysvalloissa vastaavaa rajoitusta ei yleensä ole, mikä antaa sikäläisille startupeille etumatkaa rekrytoinnissa.
Yhteenveto
Faradayn tulos on yhtiön oma ilmoitus, ei riippumaton vertaisarvio. Kokoero verrokkeihin on silti kiinnostava, koska se viittaa siihen, että agentin rakenne voi korvata osan mallin koosta. Sama havainto on toistunut viime aikoina useassa agenttitutkimuksessa.
Seuraava mittari on, siirtyykö kyky replikoinnista uuden löytämiseen. Siinä välivaiheen tulokset eivät enää auta, koska valmista vertailukohtaa ei ole. Inherentin lupaus punnitaan vasta silloin.