Inherentin pieni Faraday-agentti haastaa suuret tekoälymallit tieteellisessä työssä

Lontoolainen tekoälylaboratorio Inherent, jonka perustajiin kuuluu entisiä Google DeepMindin tutkijoita, kertoo 27 miljardin parametrin Faraday-agenttinsa pystyvän toisintamaan julkaistujen tieteellisten tutkimusten tuloksia ilman, että sille annetaan vastauksia etukäteen. Yhtiön mukaan Faraday päihitti samassa tehtävässä Anthropicin Claude Opus 4.8:n ja OpenAI:n GPT-5.5:n. 259

Jos tulos kestää laajemman ja riippumattoman arvioinnin, se on kiinnostava osoitus siitä, ettei mallin koko yksin ratkaise tieteellisessä työssä. Väite on silti syytä pitää mittasuhteissa: Faraday testattiin tunnettujen tulosten toisintamisessa, ei uuden tieteen itsenäisessä löytämisessä.

Mitä Faradaylta testattiin?

Inherent rakensi Replica-vertailun, joka koostuu 100 koneoppimista ja tieteen sovelluksia käsittelevästä tutkimusjulkaisusta. Julkaisut muunnettiin 310 toisintamistehtäväksi. Jokaisessa tehtävässä agentin on luotava jokin tutkimusjulkaisussa esitetty kuvaaja uudelleen rajallisen ajan ja laskentakapasiteetin puitteissa – näkemättä alkuperäistä kuvaa. 34

Tehtävä on vaativampi kuin tutkimuspaperin tiivistäminen tai valmiin kaavion kopioiminen. Agentin on ymmärrettävä tutkimusasetelma, toteutettava tarvittavat kokeet, päätettävä, mihin käytettävissä olevat resurssit kannattaa käyttää, ja tuotettava tulos, joka vastaa riittävän tarkasti julkaisun havaintoa.

Inherent sanoo Faradayn suoriutuneen vertailussa Claude Opus 4.8:aa ja GPT-5.5:tä paremmin, vaikka sen taustalla on huomattavasti pienempi, 27 miljardin parametrin malli. 158 Vertailua ei kuitenkaan pidä tulkita yleiseksi paremmuusjärjestykseksi. Se kertoo Faradayn suoriutumisesta yhdestä tarkasti määritellystä tutkimusten toisintamistehtävästä.

Miksi yhtiö puhuu ”tutkimusvaistosta”?

Inherentin mukaan hyvä tieteellinen työ ei ole vain oikean lopputuloksen saavuttamista. Tutkijan on osattava arvioida, mitkä kokeet ovat vaivan arvoisia, suunnitella ne järkevästi, tulkita epäselviä tuloksia ja vaihtaa lähestymistapaa, jos ensimmäinen yritys epäonnistuu. Yhtiö kutsuu tätä kokonaisuutta englanniksi nimellä ”research taste” – suomeksi sitä voisi kuvata tutkimusvaistoksi tai tutkimukselliseksi harkinnaksi. 47

Ero on olennainen, sillä uskottavan näköinen lopputulos ei vielä kerro, että sen taustalla on luotettava tieteellinen prosessi. Inherent kertoo kouluttaneensa Faradayta pidemmän aikajänteen työskentelyyn: hypoteesien muodostamiseen, niiden testaamiseen, epäonnistumisista oppimiseen ja seuraavien hyödyllisten askelten valitsemiseen. 4

Yhtiö pitää tutkimusten toisintamista tähän sopivana harjoituksena. Julkaistu tutkimus ei aina kuvaa yksityiskohtaisesti kaikkea kokeilua ja erehdystä, jonka tutkijat kävivät läpi. Tuloksen toisintaminen pakottaa agentin selvittämään osan tästä käytännön prosessista. Inherentin laajempi ajatus on, että sama taito voisi myöhemmin auttaa agentteja siirtymään tunnettujen tulosten tarkistamisesta avoimempaan tutkimustyöhön. 49

Faraday ohjaa GPT-5.5 Codexia

Faradayta ei esitellä itsenäisenä koodausagenttina, joka korvaisi tehokkaat yleiskäyttöiset työkalut. Se toimii tieteellisenä ohjauskerroksena ja käyttää OpenAI:n GPT-5.5 Codexia työkaluna tutkimusten toisintamisessa. Inherent vertaa asetelmaa tutkijaan, joka hyödyntää koodausavustajaa: Faraday vastaa suunnittelusta ja tieteellisestä harkinnasta, kun taas Codex hoitaa suuren osan toteutuksesta. 39

Tällainen arkkitehtuuri siirtää huomion pois pelkästä mallikoosta. Pienempi malli voi tuoda lisäarvoa päättämällä, mitä suuremman työkalun pitäisi tehdä, milloin strategiaa kannattaa vaihtaa ja miten tuloksia arvioidaan.

Faradayn ilmoitettu etu onkin osittain työn koordinointiin liittyvä etu. Siinä yhdistyvät tieteellinen suunnittelu ja kehittynyt koodauskyky. Tulos ei osoita, että Faradayn 27 miljardin parametrin malli olisi kaikissa tieteellisissä tai ohjelmointitehtävissä suurempia järjestelmiä kyvykkäämpi.

Tavoitteena on tieteellinen työpari, ei itsenäinen tutkija

Inherent kertoo haluavansa rakentaa tekoälyagentteja, jotka työskentelevät tutkijoiden rinnalla työpareina. Tavoitteena on järjestelmä, joka auttaa kokeiden suunnittelussa, toteutuksessa, arvioinnissa ja uudelleen suuntaamisessa samalla, kun ihmiset säilyttävät työn ohjauksen ja valvonnan. 45

Faraday on tästä ajatuksesta varhainen versio: se tarjoaa tieteellistä intuitiota ja tutkimuksen hallintaa yleiskäyttöisten koodaustyökalujen päälle. Inherentin pitkän aikavälin tavoite on agentti, joka voi osallistua uuden tiedon löytämiseen, mutta nykyinen tulos osoittaa vasta julkaistujen tulosten toisintamista. 34

Rajanveto on tärkeä. Tunnetun tuloksen onnistunut toisintaminen on arvokas testi tieteelliselle luotettavuudelle, mutta se ei yksin osoita, että agentti osaisi muotoilla merkittäviä alkuperäisiä tutkimuskysymyksiä, kehittää aidosti uusia hypoteeseja tai varmistaa löydöksiä todellisessa maailmassa.

Mitä julkaisu kertoo Inherentin strategiasta?

Inherent tuli julkisuuteen niin sanotusta stealth-tilasta eli vähäisen julkisuuden vaiheesta 50 miljoonan dollarin siemenrahoituksen jälkeen. Yhtiö profiloituu keskittyneenä lontoolaisena tutkimuslaboratoriona, jonka perustajat ovat Google DeepMindin alumneja. 25

Strategia on keskittyä niihin AI-avusteisen tieteen osa-alueisiin, joita yleismallit eivät välttämättä opi automaattisesti: kokeelliseen harkintaan, pitkän aikajänteen päätöksentekoon, arviointiin sekä ihmisten ja ohjelmistotyökalujen väliseen koordinointiin.

Myös GPT-5.5 Codexin käyttö sopii tähän linjaan. Inherent ei yritä rakentaa kaikkia kykyjä yhteen malliin, vaan kouluttaa erikoistunutta kerrosta, joka tekee olemassa olevista huippuluokan työkaluista hyödyllisempiä tieteellisessä työssä. 39

Välitön johtopäätös on varovaisen kiinnostava: Inherent väittää suhteellisen pienen, pitkän aikajänteen vahvistusoppimisella koulutetun ohjausmallin päihittäneen suuremmat huippumallit tarkasti määritellyssä tutkimusten toisintamisen vertailussa. Avoimeksi jää paljon suurempi kysymys – pystyykö sama lähestymistapa tuottamaan luotettavasti alkuperäisiä ja merkittäviä tieteellisiä tuloksia?