Prometheus को छोड़कर भौतिक दुनिया के AI की ओर: आनंदकुमार और येनिक ने Accelerated Understanding की स्थापना की
कैलटेक की प्रोफेसर और उनके सहयोगी ने बेजोस-समर्थित परियोजना में हिस्सेदारी छोड़कर अपना खुद का स्टार्टअप शुरू किया। नई कंपनी का लक्ष्य ऐसे मॉडल बनाना है जो रोबोटिक्स, सेमीकंडक्टर और जलवायु के लिए भौतिक घटनाओं की भविष्यवाणी करते हैं।

दो AI शोधकर्ता — अनिमा आनंदकुमार और बेनेडिक्ट येनिक — ने प्रोमेथियस प्रोजेक्ट का नेतृत्व करने का प्रस्ताव ठुकरा दिया, जो जेफ बेजोस के समर्थन से बनाया जा रहा है। इसके बजाय, उन्होंने अपना खुद का स्टार्टअप Accelerated Understanding लॉन्च किया, जिसका लक्ष्य औद्योगिक पैमाने पर भौतिक दुनिया का मॉडलिंग करना है। उनका विचार कोई और चैटबॉट नहीं है, बल्कि ऐसी प्रणालियाँ हैं जो स्थान, समय, सामग्री और ऊर्जा को समझती हैं।
पहली नज़र में यह निर्णय अप्रत्याशित लगता है: प्रोमेथियस में भाग लेने की शर्तें शानदार लग रही थीं। हालाँकि, शोधकर्ताओं ने स्वतंत्रता चुनी — और अब वे बता रहे हैं कि क्यों।

प्रोमेथियस क्यों नहीं?
प्रोमेथियस की स्थापना जेफ बेजोस ने निवेशक और बायोटेक उद्यमी विक बजाज के साथ मिलकर की थी। यह प्रोजेक्ट शुरू से ही महत्वाकांक्षी है: यह जटिल भौतिक प्रणालियों के निर्माण के स्वचालन पर काम करता है। बाद में प्रोमेथियस ने सीरीज़ B राउंड में 12 अरब डॉलर जुटाए, लेकिन इस राशि के आने से आनंदकुमार और येनिक की पसंद पर कोई असर नहीं पड़ा।
मामला वित्त का नहीं है। शोधकर्ताओं को कंपनी में 35 प्रतिशत हिस्सेदारी, प्रति वर्ष 2 मिलियन डॉलर तक का वेतन और सीरीज़ B तक 2 अरब डॉलर से अधिक की फंडिंग की पेशकश की गई थी। लेकिन प्रोमेथियस के अंदर, जाहिर तौर पर, एक अलग तकनीकी तर्क था। वैज्ञानिकों ने माना कि यदि वे अपना रास्ता चुनते हैं और AI की मौलिक रूप से भिन्न वास्तुकला पर ध्यान केंद्रित करते हैं, तो वे और अधिक हासिल कर सकते हैं।
तकनीक: भाषा से भौतिकी तक
आनंदकुमार Accelerated Understanding की अवधारणा को «भाषा-आधारित बुद्धिमत्ता मॉडल» से प्रकृति-केंद्रित दृष्टिकोण की ओर बदलाव के रूप में वर्णित करती हैं। ChatGPT जैसी संवादी प्रणालियों के विपरीत, जो पाठ के साथ काम करती हैं, नया प्लेटफ़ॉर्म स्थान और समय में भौतिक घटनाओं की भविष्यवाणी करने का प्रयास करता है। यह मौजूदा जनरेटिव मॉडल को बेहतर बनाने का प्रयास नहीं है, बल्कि एक अलग श्रेणी के उपकरण बनाना है।
मुख्य तकनीकी आधार न्यूरो-ऑपरेटर हैं। आनंदकुमार ने कैलटेक और Nvidia में अपने शोध कार्य के दौरान इस दिशा को बढ़ावा दिया था। यह प्रणाली जानबूझकर Transformer वास्तुकला पर निर्भर नहीं है, जिस पर लगभग सभी आधुनिक बड़े भाषा मॉडल बने हैं। डेवलपर्स का दावा है कि उनका समाधान एक ही अनुरोध में पाँच ट्रिलियन तक डेटा टुकड़ों को संसाधित करने में सक्षम है — जो Anthropic और Google के प्रमुख मॉडलों की सामान्य क्षमता से लगभग पाँच मिलियन गुना अधिक है।
संदर्भ का यह भंडार लंबे संवादों के लिए नहीं, बल्कि जटिल प्रणालियों के पूर्ण मॉडलिंग के लिए चाहिए — उदाहरण के लिए, गर्म होने पर सिलिकॉन कैसा व्यवहार करता है या वायुमंडलीय फ्रंट कैसे बनता है।

यह कहाँ उपयोगी होगा
स्टार्टअप उपभोक्ता उत्पाद जारी करने के बजाय कॉर्पोरेट ग्राहकों के साथ काम करने की योजना बना रहा है। प्राथमिकता वाले क्षेत्रों में सेमीकंडक्टर उद्योग, रोबोटिक्स, मौसम पूर्वानुमान और ऊर्जा शामिल हैं।
चिप निर्माताओं के लिए, तकनीक यह भविष्यवाणी कर सकती है कि विभिन्न सामग्रियाँ और तापमान स्थितियाँ घटकों के अंतिम प्रदर्शन को कैसे प्रभावित करती हैं — महंगे भौतिक परीक्षण से पहले ही। मौसम विज्ञान में, नया मॉडल प्रत्येक परिदृश्य के लिए अलग सिमुलेशन बनाने की आवश्यकता के बिना जटिल भौतिक घटनाओं का वर्णन करने में सक्षम है। वास्तव में, कंपनी एक सार्वभौमिक «भौतिक दुनिया का इंजन» पेश करती है, जिसके चारों ओर उद्योग-विशिष्ट समाधान बनाए जा सकते हैं।
आनंदकुमार के पास इस तरह के कार्य के लिए ठोस अनुभव है: कैलटेक में कम्प्यूटेशनल और गणितीय विज्ञान की प्रोफेसर, और इससे पहले Nvidia में पाँच साल निर्देशकीय शोध, जहाँ उन्होंने GPU और उन्नत AI अनुप्रयोगों पर काम किया। उनके अनुसार, Nvidia के CEO जेन्सेन हुआंग ने ऐसे ही व्यापक विचार के विकास को प्रोत्साहित किया। अब उनके और उनके सह-संस्थापक के पास इसे पूरी तरह से साकार करने का अवसर है, बिना किसी बड़े प्रोजेक्ट के निवेशकों की ओर देखे।
अक्सर पूछे जाने वाले प्रश्न
समान सामग्री
सभी सामग्री
OpenCollab: एजेंटों का प्रोग्रामेबल समन्वय, नियंत्रित निष्पादन वातावरण और नियमावली अनुपालन का मेट्रिक
यह फ़्रेमवर्क एजेंटों के बीच संवाद की संरचना निर्धारित करने, प्रयोगों के लिए साझा परिवेश और घटनाओं की विस्तृत ट्रेसिंग को एक साथ जोड़ता है, जबकि नया पेश किया गया Adherence मेट्रिक यह दर्शाता है कि वास्तविक निष्पादन घोषित योजना से कितना मेल खाता है। बेंचमार्क में Duo कॉन्फ़िगरेशन नया SOTA हासिल करता है, जबकि एकल-एजेंट वाला विकल्प सबसे कम टोकन खर्च करता है।
11 नवम्बर 2026
Toollery: बिना फ़ाइन-ट्यूनिंग के, दसियों हज़ार विकल्पों में से LLM एजेंटों के लिए टूल चुनना
Toollery कौशलों और टूल्स के विवरणों पर एक खोज इंडेक्स बनाता है और अनुरोध आने पर मॉडल को केवल सीमित उम्मीदवारों का सेट भेजता है। दसियों हज़ार फ़ंक्शनों तक के आकार वाली लाइब्रेरी पर किए गए प्रयोगों में, यह तरीका निश्चित top-K पर चयन की गुणवत्ता बनाए रखने में सक्षम है, हालांकि अंतिम प्रभाव लोड प्रोफ़ाइल और प्रदाता की कैशिंग पर निर्भर करता है।
11 नवम्बर 2026
WILSON: पैथोमॉर्फोलॉजिकल विश्लेषण और निष्कर्ष तैयार करने के लिए रोगी के आवर्धनों और स्लाइडों का संयोजन
यह प्रीप्रिंट WILSON प्रस्तुत करता है—एक vision-language मॉडल, जो केवल एक अलग “सर्वश्रेष्ठ” स्लाइड के बजाय पूरे स्लाइडों और एक ही मरीज के अलग-अलग आवर्धन पर लिए गए नमूनों की छवियों को एन्कोड करता है। किसी विशिष्ट कार्य के लिए अतिरिक्त प्रशिक्षण के बिना, यह कई मेट्रिक्स पर विशेषीकृत और अधिक बड़े स्लाइड-मॉडलों से बेहतर प्रदर्शन करता है, वह भी काफ़ी कम कंप्यूटेशनल लागत पर; इसके नैदानिक विवरणों को पैथोलॉजिस्टों से अधिक ऊँची रेटिंग मिली।
11 नवम्बर 2026