Другой подход: каузальные мировые модели вместо переобучения

Вместо того чтобы постоянно обновлять внутренние веса модели, kausable обучает фундаментальную модель один раз и использует каузальные «мировые модели», построенные на синтетических данных и обучении в контексте (in-context learning), чтобы выводить базовую структуру любой новой системы из короткого наблюдения . Компания утверждает, что модель продолжает работать при изменении условий без очередного дорогостоящего цикла обучения .

Ключевой тезис в том, что современные AI-системы по своей сути статичны: они запоминают шаблоны из тренировочных данных и ломаются, когда мир меняется. kausable описывает свою альтернативу как «reasoning-first» ИИ — модели, которые учатся и адаптируются больше как люди, используя каузальное мышление, чтобы понять, почему система ведет себя так, а не иначе, и скорректировать свое поведение .

Основатели

kausable основали три физика, познакомившиеся в Гейдельбергском университете:

• Йоханнес Хаукс (Johannes Haux) — CEO
• Д-р Беньямин Хердяну (Dr. Benjamin Herdeanu) — CTO
• Грегор Рамиен (Gregor Ramien) — COO

Все трое имеют опыт академических исследований в Гейдельбергском университете и практической работы в сферах кибербезопасности, банковского дела и стартапов . Компания выросла из Department of Physics and Astronomy Гейдельбергского университета — той же исследовательской среды, которая породила Black Forest Labs .

Инвесторы и бэкеры

Seed-раунд совместно возглавили UVC Partners (Германия) и Entourage (Бельгия), при участии вернувшихся инвесторов предварительного раунда HTGF (High-Tech Gründerfonds) и Mätch VC . Среди дополнительных институциональных инвесторов — Black Forest Labs (BFL), ELLIS (European Laboratory for Learning and Intelligent Systems), Campione Venture и Secunet .

Состав бизнес-ангелов впечатляет: в него вошли представители ведущих мировых AI-организаций:

• Сооснователи Black Forest Labs (Робин Ромбах и Андреас Блаттман)
• Сандро Джанелла (Международная стратегия и операции, OpenAI)
• Дороти Чоу (Стратегический советник, DeepMind)
• Дополнительные ангелы, связанные с Noxtua и ELLIS

TipPFN — модель для нулевого прогнозирования (zero-shot)

Первый продукт kausable — TipPFN (Tipping Point Prior-data Fitted Network), модель zero-shot-прогнозирования, которая определяет близость системы к критическому переходу или «точке невозврата» . Ключевые детали:

• Опубликована как исследовательская работа (arXiv 2605.12308) в сотрудничестве с Колумбийским университетом
• Использует фреймворк обучения в контексте с prior-data fitted network, чтобы выводить близость к критическим переходам из коротких, зашумленных временных рядов
• Демонстрирует самое современное раннее обнаружение критических переходов в ранее невиданных динамических системах, включая sim-to-real перенос и наблюдения из реального мира
• Заявляет о надежной производительности в 14 доменах, с обобщением zero-shot на системы, на которых она не была специально обучена
• Нацелена на предсказание событий «черный лебедь» — редких, высоковлиятельных происшествий — в здравоохранении, энергетике, финансах и климате

На сайте компании говорится, что TipPFN «доказывает свое превосходство в 14 доменах, демонстрируя zero-shot-возможности» . Однако на момент анонса финансирования kausable не объявила о коммерческом продукте для самостоятельного использования, публичных ценах, производственных клиентах или независимо подтвержденных результатах внедрения .

Планируемые применения

kausable нацеливается на три широкие области, где статические модели ИИ дают сбой:

• Робототехника — мировые модели, адаптирующиеся к меняющейся среде без переобучения, позволяя роботам справляться с новыми ситуациями на лету
• Прогнозирование — обнаружение точек невозврата в сложных системах (например, отказы электросетей, вспышки заболеваний, финансовые крахи) с помощью TipPFN
• Промышленные системы — масштабируемый ИИ, который можно развернуть в целой промышленной экосистеме, не превращая его в серию дорогостоящих проектов по однократному переобучению

Компания описывает свою миссию как «frontier AI, которая адаптируется так же быстро, как мир вокруг нее», превращая ИИ из статических моделей, зависимых от переобучения, в системы, которые можно широко развертывать и поддерживать в рабочем состоянии при изменении условий .

Итог

Seed-раунд kausable на €12 млн — это ставка на принципиально иной подход к ИИ, который делает акцент на каузальном мышлении, синтетических данных и обучении в контексте, а не на бесконечных тренировочных циклах. Амбиции компании высоки: модели, которые адаптируются к новым ситуациям по нескольким примерам, предсказывают редкие катастрофические события и продолжают работать, когда мир меняется. Исследовательская работа TipPFN обеспечивает академическую валидацию, но стартап еще не выпустил коммерческий продукт и не продемонстрировал развертывание в реальном мире в масштабе . Следующие 12–18 месяцев покажут, сможет ли их подход «reasoning-first» перейти от убедительных исследований к готовым к эксплуатации системам.

Другой подход: каузальные мировые модели вместо переобучения

Вместо того чтобы постоянно обновлять внутренние веса модели, kausable обучает фундаментальную модель один раз и использует каузальные «мировые модели», построенные на синтетических данных и обучении в контексте (in-context learning), чтобы выводить базовую структуру любой новой системы из короткого наблюдения . Компания утверждает, что модель продолжает работать при изменении условий без очередного дорогостоящего цикла обучения .

Ключевой тезис в том, что современные AI-системы по своей сути статичны: они запоминают шаблоны из тренировочных данных и ломаются, когда мир меняется. kausable описывает свою альтернативу как «reasoning-first» ИИ — модели, которые учатся и адаптируются больше как люди, используя каузальное мышление, чтобы понять, почему система ведет себя так, а не иначе, и скорректировать свое поведение .

Основатели

kausable основали три физика, познакомившиеся в Гейдельбергском университете:

• Йоханнес Хаукс (Johannes Haux) — CEO
• Д-р Беньямин Хердяну (Dr. Benjamin Herdeanu) — CTO
• Грегор Рамиен (Gregor Ramien) — COO

Все трое имеют опыт академических исследований в Гейдельбергском университете и практической работы в сферах кибербезопасности, банковского дела и стартапов . Компания выросла из Department of Physics and Astronomy Гейдельбергского университета — той же исследовательской среды, которая породила Black Forest Labs .

Инвесторы и бэкеры

Seed-раунд совместно возглавили UVC Partners (Германия) и Entourage (Бельгия), при участии вернувшихся инвесторов предварительного раунда HTGF (High-Tech Gründerfonds) и Mätch VC . Среди дополнительных институциональных инвесторов — Black Forest Labs (BFL), ELLIS (European Laboratory for Learning and Intelligent Systems), Campione Venture и Secunet .

Состав бизнес-ангелов впечатляет: в него вошли представители ведущих мировых AI-организаций:

• Сооснователи Black Forest Labs (Робин Ромбах и Андреас Блаттман)
• Сандро Джанелла (Международная стратегия и операции, OpenAI)
• Дороти Чоу (Стратегический советник, DeepMind)
• Дополнительные ангелы, связанные с Noxtua и ELLIS

TipPFN — модель для нулевого прогнозирования (zero-shot)

Первый продукт kausable — TipPFN (Tipping Point Prior-data Fitted Network), модель zero-shot-прогнозирования, которая определяет близость системы к критическому переходу или «точке невозврата» . Ключевые детали:

• Опубликована как исследовательская работа (arXiv 2605.12308) в сотрудничестве с Колумбийским университетом
• Использует фреймворк обучения в контексте с prior-data fitted network, чтобы выводить близость к критическим переходам из коротких, зашумленных временных рядов
• Демонстрирует самое современное раннее обнаружение критических переходов в ранее невиданных динамических системах, включая sim-to-real перенос и наблюдения из реального мира
• Заявляет о надежной производительности в 14 доменах, с обобщением zero-shot на системы, на которых она не была специально обучена
• Нацелена на предсказание событий «черный лебедь» — редких, высоковлиятельных происшествий — в здравоохранении, энергетике, финансах и климате

На сайте компании говорится, что TipPFN «доказывает свое превосходство в 14 доменах, демонстрируя zero-shot-возможности» . Однако на момент анонса финансирования kausable не объявила о коммерческом продукте для самостоятельного использования, публичных ценах, производственных клиентах или независимо подтвержденных результатах внедрения .

Планируемые применения

kausable нацеливается на три широкие области, где статические модели ИИ дают сбой:

• Робототехника — мировые модели, адаптирующиеся к меняющейся среде без переобучения, позволяя роботам справляться с новыми ситуациями на лету
• Прогнозирование — обнаружение точек невозврата в сложных системах (например, отказы электросетей, вспышки заболеваний, финансовые крахи) с помощью TipPFN
• Промышленные системы — масштабируемый ИИ, который можно развернуть в целой промышленной экосистеме, не превращая его в серию дорогостоящих проектов по однократному переобучению

Компания описывает свою миссию как «frontier AI, которая адаптируется так же быстро, как мир вокруг нее», превращая ИИ из статических моделей, зависимых от переобучения, в системы, которые можно широко развертывать и поддерживать в рабочем состоянии при изменении условий .

Итог

Seed-раунд kausable на €12 млн — это ставка на принципиально иной подход к ИИ, который делает акцент на каузальном мышлении, синтетических данных и обучении в контексте, а не на бесконечных тренировочных циклах. Амбиции компании высоки: модели, которые адаптируются к новым ситуациям по нескольким примерам, предсказывают редкие катастрофические события и продолжают работать, когда мир меняется. Исследовательская работа TipPFN обеспечивает академическую валидацию, но стартап еще не выпустил коммерческий продукт и не продемонстрировал развертывание в реальном мире в масштабе . Следующие 12–18 месяцев покажут, сможет ли их подход «reasoning-first» перейти от убедительных исследований к готовым к эксплуатации системам.