अलग दृष्टिकोण: रीट्रेनिंग के बजाय कारणात्मक विश्व मॉडल

लगातार मॉडल के आंतरिक वज़न को अपडेट करने के बजाय, kausable एक फाउंडेशन मॉडल को एक बार ट्रेन करता है और फिर कारणात्मक "विश्व मॉडल" (causal world models) का उपयोग करता है—जो सिंथेटिक डेटा और इन-कॉन्टेक्स्ट लर्निंग पर आधारित होते हैं—ताकि किसी भी नए सिस्टम की अंतर्निहित संरचना को कुछ ही पर्यवेक्षणों से समझा जा सके । कंपनी का दावा है कि मॉडल तब भी काम करता रहता है जब परिस्थितियाँ बदलती हैं, और इसके लिए किसी और महंगे ट्रेनिंग साइकिल की ज़रूरत नहीं होती ।

kausable का मुख्य सिद्धांत यह है कि मौजूदा AI सिस्टम मूल रूप से स्थिर हैं: वे ट्रेनिंग डेटा से पैटर्न याद करते हैं और जब दुनिया बदलती है तो टूट जाते हैं। kausable अपने विकल्प को "रीज़निंग-फर्स्ट" AI कहता है—यानी ऐसे मॉडल जो इंसानों की तरह सीखते और ढलते हैं, कारणात्मक तर्क (causal reasoning) का उपयोग करके यह समझते हैं कि कोई सिस्टम कैसे व्यवहार करता है और उसी के अनुसार खुद को समायोजित करते हैं ।

मुख्य संस्थापक

kausable की स्थापना तीन भौतिकविदों ने की, जो हीडलबर्ग यूनिवर्सिटी में मिले थे:

• जोहानेस हॉक्स (Johannes Haux) — CEO
• डॉ. बेंजामिन हेर्डेनू (Dr. Benjamin Herdeanu) — CTO
• ग्रेगर रेमिएन (Gregor Ramien) — COO

तीनों के पास हीडलबर्ग यूनिवर्सिटी में अकादमिक शोध और साइबर सुरक्षा, बैंकिंग और स्टार्टअप्स में व्यावहारिक अनुभव है । कंपनी हीडलबर्ग यूनिवर्सिटी के भौतिकी और खगोल विज्ञान विभाग से निकली है, यह वही शोध वातावरण है जिसने Black Forest Labs को भी जन्म दिया ।

निवेशक और समर्थक

यह सीड राउंड UVC Partners (जर्मन) और Entourage (बेल्जियम) द्वारा सह-नेतृत्व किया गया था, जिसमें पिछले प्री-सीड निवेशकों HTGF और Mätch VC ने भागीदारी की । अन्य संस्थागत समर्थकों में Black Forest Labs (BFL) , ELLIS (यूरोपीय प्रयोगशाला for Learning and Intelligent Systems) , Campione Venture और Secunet शामिल हैं ।

एंजेल निवेशकों की सूची उल्लेखनीय है, जिसमें शीर्ष AI संगठनों के लोग शामिल हैं:

• Black Forest Labs के सह-संस्थापक (रॉबिन रोम्बाच और आंद्रेयास ब्लैटमैन)
• सैंड्रो जियानेला (इंटरनेशनल स्ट्रैटेजी एंड ऑपरेशंस, OpenAI)
• डोरोथी चाउ (स्ट्रैटेजिक एडवाइज़र, DeepMind)
• Noxtua और ELLIS से जुड़े अतिरिक्त एंजेल निवेशक

TipPFN — जीरो-शॉट पूर्वानुमान मॉडल

kausable का पहला उत्पाद TipPFN (टिपिंग पॉइंट प्रायर-डेटा फिटेड नेटवर्क) है, जो एक जीरो-शॉट फोरकास्टिंग मॉडल है और किसी सिस्टम की क्रिटिकल ट्रांज़िशन या "टिपिंग पॉइंट" से निकटता का पता लगाता है । मुख्य विवरण:

• कोलंबिया यूनिवर्सिटी के सहयोग से एक शोध पत्र (arXiv 2605.12308) के रूप में प्रकाशित
• यह एक प्रायर-डेटा फिटेड नेटवर्क के साथ इन-कॉन्टेक्स्ट लर्निंग फ्रेमवर्क का उपयोग करता है ताकि छोटे, शोर वाले टाइम सीरीज़ से क्रिटिकल ट्रांज़िशन की निकटता का अनुमान लगाया जा सके
• पहले से अनदेखी डायनेमिकल सिस्टम्स में क्रिटिकल ट्रांज़िशन का स्टेट-ऑफ-द-आर्ट अर्ली डिटेक्शन प्रदर्शित करता है, जिसमें सिम-टू-रियल ट्रांसफर और वास्तविक दुनिया के अवलोकन शामिल हैं
• 14 डोमेन में मजबूत प्रदर्शन का दावा करता है, जिसमें उन सिस्टमों के लिए जीरो-शॉट जनरलाइज़ेशन भी शामिल है जिन पर इसे स्पष्ट रूप से ट्रेन नहीं किया गया था
• इसका उद्देश्य हेल्थकेयर, एनर्जी, फाइनेंस और क्लाइमेट जैसे क्षेत्रों में दुर्लभ, उच्च-प्रभाव वाली "ब्लैक स्वान" घटनाओं की भविष्यवाणी करना है

कंपनी की वेबसाइट पर कहा गया है कि TipPFN "14 डोमेन पर अपनी श्रेष्ठता साबित करता है, यहां तक कि जीरो-शॉट क्षमताओं के साथ भी" । हालांकि, फंडिंग घोषणा के समय, kausable ने कोई सेल्फ-सर्व कमर्शियल प्रोडक्ट, सार्वजनिक मूल्य निर्धारण, प्रोडक्शन ग्राहकों या स्वतंत्र रूप से सत्यापित तैनाती परिणामों की घोषणा नहीं की थी ।

नियोजित अनुप्रयोग

kausable तीन व्यापक क्षेत्रों को लक्षित कर रहा है जहाँ स्थिर AI मॉडल कम पड़ते हैं:

• रोबोटिक्स — ऐसे विश्व मॉडल जो बदलते वातावरण में बिना रीट्रेनिंग के ढल जाएं, जिससे रोबोट नई परिस्थितियों को तुरंत संभाल सकें
• पूर्वानुमान (फोरकास्टिंग) — TipPFN का उपयोग करके जटिल प्रणालियों (जैसे, पावर ग्रिड विफलता, बीमारी का प्रकोप, वित्तीय संकट) में टिपिंग पॉइंट का पता लगाना
• औद्योगिक प्रणालियाँ — स्केलेबल AI जिसे पूरे औद्योगिक परिदृश्य में तैनात किया जा सके, बिना एक-एक करके महंगे रीट्रेनिंग प्रोजेक्ट बनाए

कंपनी अपने मिशन को "फ्रंटियर AI जो अपने आसपास की दुनिया जितनी तेज़ी से ढलता है" के रूप में वर्णित करती है, जो AI को स्थिर, रीट्रेन-निर्भर मॉडल से ऐसे सिस्टम में बदल देता है जिन्हें व्यापक रूप से रोल आउट किया जा सके और जब परिस्थितियाँ बदलें तब भी काम करते रहें ।

निष्कर्ष

kausable का €12 मिलियन का सीड राउंड AI के लिए एक मौलिक रूप से अलग दृष्टिकोण पर दांव है—जो कारणात्मक तर्क, सिंथेटिक डेटा और इन-कॉन्टेक्स्ट लर्निंग पर जोर देता है, न कि लगातार बड़े ट्रेनिंग रन पर। कंपनी के दावे महत्वाकांक्षी हैं: मॉडल जो कुछ उदाहरणों से नई परिस्थितियों में ढल जाते हैं, दुर्लभ विनाशकारी घटनाओं की भविष्यवाणी करते हैं, और जब दुनिया बदलती है तब भी काम करते रहते हैं। TipPFN शोध पत्र अकादमिक सत्यापन प्रदान करता है, लेकिन स्टार्टअप ने अभी तक कोई व्यावसायिक उत्पाद नहीं बनाया है या बड़े पैमाने पर वास्तविक दुनिया में तैनाती का प्रदर्शन नहीं किया है । अगले 12-18 महीने बताएंगे कि क्या उनका रीज़निंग-फर्स्ट दृष्टिकोण आकर्षक शोध से एंटरप्राइज़-रेडी सिस्टम में बदल सकता है।

अलग दृष्टिकोण: रीट्रेनिंग के बजाय कारणात्मक विश्व मॉडल

लगातार मॉडल के आंतरिक वज़न को अपडेट करने के बजाय, kausable एक फाउंडेशन मॉडल को एक बार ट्रेन करता है और फिर कारणात्मक "विश्व मॉडल" (causal world models) का उपयोग करता है—जो सिंथेटिक डेटा और इन-कॉन्टेक्स्ट लर्निंग पर आधारित होते हैं—ताकि किसी भी नए सिस्टम की अंतर्निहित संरचना को कुछ ही पर्यवेक्षणों से समझा जा सके । कंपनी का दावा है कि मॉडल तब भी काम करता रहता है जब परिस्थितियाँ बदलती हैं, और इसके लिए किसी और महंगे ट्रेनिंग साइकिल की ज़रूरत नहीं होती ।

kausable का मुख्य सिद्धांत यह है कि मौजूदा AI सिस्टम मूल रूप से स्थिर हैं: वे ट्रेनिंग डेटा से पैटर्न याद करते हैं और जब दुनिया बदलती है तो टूट जाते हैं। kausable अपने विकल्प को "रीज़निंग-फर्स्ट" AI कहता है—यानी ऐसे मॉडल जो इंसानों की तरह सीखते और ढलते हैं, कारणात्मक तर्क (causal reasoning) का उपयोग करके यह समझते हैं कि कोई सिस्टम कैसे व्यवहार करता है और उसी के अनुसार खुद को समायोजित करते हैं ।

मुख्य संस्थापक

kausable की स्थापना तीन भौतिकविदों ने की, जो हीडलबर्ग यूनिवर्सिटी में मिले थे:

• जोहानेस हॉक्स (Johannes Haux) — CEO
• डॉ. बेंजामिन हेर्डेनू (Dr. Benjamin Herdeanu) — CTO
• ग्रेगर रेमिएन (Gregor Ramien) — COO

तीनों के पास हीडलबर्ग यूनिवर्सिटी में अकादमिक शोध और साइबर सुरक्षा, बैंकिंग और स्टार्टअप्स में व्यावहारिक अनुभव है । कंपनी हीडलबर्ग यूनिवर्सिटी के भौतिकी और खगोल विज्ञान विभाग से निकली है, यह वही शोध वातावरण है जिसने Black Forest Labs को भी जन्म दिया ।

निवेशक और समर्थक

यह सीड राउंड UVC Partners (जर्मन) और Entourage (बेल्जियम) द्वारा सह-नेतृत्व किया गया था, जिसमें पिछले प्री-सीड निवेशकों HTGF और Mätch VC ने भागीदारी की । अन्य संस्थागत समर्थकों में Black Forest Labs (BFL) , ELLIS (यूरोपीय प्रयोगशाला for Learning and Intelligent Systems) , Campione Venture और Secunet शामिल हैं ।

एंजेल निवेशकों की सूची उल्लेखनीय है, जिसमें शीर्ष AI संगठनों के लोग शामिल हैं:

• Black Forest Labs के सह-संस्थापक (रॉबिन रोम्बाच और आंद्रेयास ब्लैटमैन)
• सैंड्रो जियानेला (इंटरनेशनल स्ट्रैटेजी एंड ऑपरेशंस, OpenAI)
• डोरोथी चाउ (स्ट्रैटेजिक एडवाइज़र, DeepMind)
• Noxtua और ELLIS से जुड़े अतिरिक्त एंजेल निवेशक

TipPFN — जीरो-शॉट पूर्वानुमान मॉडल

kausable का पहला उत्पाद TipPFN (टिपिंग पॉइंट प्रायर-डेटा फिटेड नेटवर्क) है, जो एक जीरो-शॉट फोरकास्टिंग मॉडल है और किसी सिस्टम की क्रिटिकल ट्रांज़िशन या "टिपिंग पॉइंट" से निकटता का पता लगाता है । मुख्य विवरण:

• कोलंबिया यूनिवर्सिटी के सहयोग से एक शोध पत्र (arXiv 2605.12308) के रूप में प्रकाशित
• यह एक प्रायर-डेटा फिटेड नेटवर्क के साथ इन-कॉन्टेक्स्ट लर्निंग फ्रेमवर्क का उपयोग करता है ताकि छोटे, शोर वाले टाइम सीरीज़ से क्रिटिकल ट्रांज़िशन की निकटता का अनुमान लगाया जा सके
• पहले से अनदेखी डायनेमिकल सिस्टम्स में क्रिटिकल ट्रांज़िशन का स्टेट-ऑफ-द-आर्ट अर्ली डिटेक्शन प्रदर्शित करता है, जिसमें सिम-टू-रियल ट्रांसफर और वास्तविक दुनिया के अवलोकन शामिल हैं
• 14 डोमेन में मजबूत प्रदर्शन का दावा करता है, जिसमें उन सिस्टमों के लिए जीरो-शॉट जनरलाइज़ेशन भी शामिल है जिन पर इसे स्पष्ट रूप से ट्रेन नहीं किया गया था
• इसका उद्देश्य हेल्थकेयर, एनर्जी, फाइनेंस और क्लाइमेट जैसे क्षेत्रों में दुर्लभ, उच्च-प्रभाव वाली "ब्लैक स्वान" घटनाओं की भविष्यवाणी करना है

कंपनी की वेबसाइट पर कहा गया है कि TipPFN "14 डोमेन पर अपनी श्रेष्ठता साबित करता है, यहां तक कि जीरो-शॉट क्षमताओं के साथ भी" । हालांकि, फंडिंग घोषणा के समय, kausable ने कोई सेल्फ-सर्व कमर्शियल प्रोडक्ट, सार्वजनिक मूल्य निर्धारण, प्रोडक्शन ग्राहकों या स्वतंत्र रूप से सत्यापित तैनाती परिणामों की घोषणा नहीं की थी ।

नियोजित अनुप्रयोग

kausable तीन व्यापक क्षेत्रों को लक्षित कर रहा है जहाँ स्थिर AI मॉडल कम पड़ते हैं:

• रोबोटिक्स — ऐसे विश्व मॉडल जो बदलते वातावरण में बिना रीट्रेनिंग के ढल जाएं, जिससे रोबोट नई परिस्थितियों को तुरंत संभाल सकें
• पूर्वानुमान (फोरकास्टिंग) — TipPFN का उपयोग करके जटिल प्रणालियों (जैसे, पावर ग्रिड विफलता, बीमारी का प्रकोप, वित्तीय संकट) में टिपिंग पॉइंट का पता लगाना
• औद्योगिक प्रणालियाँ — स्केलेबल AI जिसे पूरे औद्योगिक परिदृश्य में तैनात किया जा सके, बिना एक-एक करके महंगे रीट्रेनिंग प्रोजेक्ट बनाए

कंपनी अपने मिशन को "फ्रंटियर AI जो अपने आसपास की दुनिया जितनी तेज़ी से ढलता है" के रूप में वर्णित करती है, जो AI को स्थिर, रीट्रेन-निर्भर मॉडल से ऐसे सिस्टम में बदल देता है जिन्हें व्यापक रूप से रोल आउट किया जा सके और जब परिस्थितियाँ बदलें तब भी काम करते रहें ।

निष्कर्ष

kausable का €12 मिलियन का सीड राउंड AI के लिए एक मौलिक रूप से अलग दृष्टिकोण पर दांव है—जो कारणात्मक तर्क, सिंथेटिक डेटा और इन-कॉन्टेक्स्ट लर्निंग पर जोर देता है, न कि लगातार बड़े ट्रेनिंग रन पर। कंपनी के दावे महत्वाकांक्षी हैं: मॉडल जो कुछ उदाहरणों से नई परिस्थितियों में ढल जाते हैं, दुर्लभ विनाशकारी घटनाओं की भविष्यवाणी करते हैं, और जब दुनिया बदलती है तब भी काम करते रहते हैं। TipPFN शोध पत्र अकादमिक सत्यापन प्रदान करता है, लेकिन स्टार्टअप ने अभी तक कोई व्यावसायिक उत्पाद नहीं बनाया है या बड़े पैमाने पर वास्तविक दुनिया में तैनाती का प्रदर्शन नहीं किया है । अगले 12-18 महीने बताएंगे कि क्या उनका रीज़निंग-फर्स्ट दृष्टिकोण आकर्षक शोध से एंटरप्राइज़-रेडी सिस्टम में बदल सकता है।