Двое исследователей ИИ — Анима Анандкумар и Бенедикт Йеник — отвергли предложение возглавить проект Prometheus, который создаётся при поддержке Джеффа Безоса. Вместо этого они запустили собственный стартап Accelerated Understanding, нацеленный на моделирование физического мира в промышленном масштабе. Их идея — не очередной чат-бот, а системы, которые понимают пространство, время, материалы и энергию.
На первый взгляд решение кажется неожиданным: условия участия в Prometheus выглядели роскошно. Однако исследователи выбрали независимость — и теперь объясняют, почему.
Почему не Prometheus?
Prometheus основан Джеффом Безосом вместе с инвестором и биотех-предпринимателем Виком Баджаем. Проект с самого начала амбициозный: он занимается автоматизацией производства сложных физических систем. Позднее Prometheus привлёк 12 миллиардов долларов в раунде Series B, однако появление этой суммы уже не повлияло на выбор Анандкумар и Йеника.
Дело не в финансах. Исследователям предлагали 35-процентную долю в компании, зарплату до 2 миллионов долларов в год и более 2 миллиардов долларов финансирования вплоть до серии B. Но под капотом у Prometheus, по всей видимости, лежала иная технологическая логика. Учёные посчитали, что смогут добиться большего, если пойдут своим путём и сосредоточатся на принципиально иной архитектуре ИИ.
Технология: от языка к физике
Анандкумар описывает концепцию Accelerated Understanding как сдвиг от «языковой модели интеллекта» к природоцентричному подходу. В отличие от разговорных систем вроде ChatGPT, оперирующих текстом, новая платформа пытается предсказывать физические явления в пространстве и времени. Это не попытка улучшить существующие генеративные модели, а скорее создание другого класса инструментов.
Ключевая техническая основа — нейрооператоры. Этому направлению Анандкумар способствовала ещё во время исследовательских работ в Калтехе и Nvidia. Система сознательно не опирается на архитектуру Transformer, на которой построены почти все современные большие языковые модели. Разработчики заявляют, что их решение способно обрабатывать до пяти триллионов фрагментов данных за один запрос — примерно в пять миллионов раз больше типичной ёмкости флагманских моделей Anthropic и Google.
Такой запас по контексту нужен не для длинных диалогов, а для полноценного моделирования сложных систем — например, того, как ведёт себя кремний при нагреве или как формируется атмосферный фронт.
Где это пригодится
Стартап планирует работать с корпоративными клиентами, а не выпускать потребительский продукт. В числе приоритетных сфер — полупроводниковая отрасль, робототехника, прогнозирование погоды и энергетика.
Для производителей чипов технология может предсказывать, как различные материалы и температурные режимы влияют на итоговую производительность компонентов — ещё до дорогостоящего физического тестирования. В метеорологии новая модель способна описывать сложные физические события без необходимости строить отдельные симуляции под каждый сценарий. Фактически компания предлагает универсальный «движок физического мира», вокруг которого можно выстраивать отраслевые решения.
У Анандкумар солидный опыт для такой задачи: профессор вычислительных и математических наук в Калтехе, а до этого пять лет директорских исследований в Nvidia, где она занималась GPU и передовыми ИИ-приложениями. По её словам, генеральный директор Nvidia Дженсен Хуанг поощрял развитие именно такой более широкой идеи. Теперь у неё и её сооснователя есть возможность реализовать её в полном объёме, без оглядки на инвесторов крупного проекта.
