Inherent, startup từ DeepMind, ra mắt AI 'đồng nghiệp' vượt trội hơn Anthropic và OpenAI trong tái tạo nghiên cứu

Inherent, một phòng thí nghiệm AI tại London do các cựu kỹ sư Google DeepMind sáng lập, vừa công bố tác nhân AI của họ đã vượt qua các mô hình lớn hơn nhiều từ Anthropic và OpenAI dù chỉ sử dụng một phần kích thước tính toán.

Trong số các startup được các cựu kỹ sư Google DeepMind thành lập, Inherent nhận được khá ít sự chú ý. Nhưng trong khi các đối thủ được tài trợ tốt hơn vẫn chưa cho thế giới thấy điều gì cụ thể, nhóm nghiên cứu tại London đang bắt đầu hé lộ những gì họ đang xây dựng.

Chỉ vài tuần sau khi rời khỏi chế độ "tàng hình" với vòng gọi vốn hạt giống 50 triệu USD, startup của Anh tuyên bố tác nhân AI mới phát hành của họ, tên là Faraday, đã làm tốt hơn các mô hình lớn hơn và nổi tiếng hơn ở một nhiệm vụ cụ thể: tái tạo độc lập kết quả của các bài báo khoa học đã công bố mà không được báo trước đáp án.

Điều này nghe có vẻ chỉ là một "mánh khóe" đối với mục tiêu lớn hơn nhiều của Inherent — xây dựng AI có thể khám phá tri thức khoa học mới, chứ không chỉ kiểm chứng các kết quả cũ. Nhưng tái tạo bài báo là một bài tập huấn luyện tiêu chuẩn cho các nhà khoa học con người, đồng sáng lập kiêm giám đốc khoa học Edward Hughes cho biết. "Nhiều nghiên cứu sinh tiến sĩ thực sự bắt đầu bằng việc làm điều này."

Thành tích ấn tượng nhờ mô hình nhỏ gọn

Đánh bại các hệ thống AI khác ở nhiệm vụ này không phải là mục tiêu chính, Hughes chia sẻ với TechCrunch; mà cách họ đạt được điều đó mới là điểm đáng chú ý. "Điều thú vị nhất với chúng tôi không phải là kết quả vượt qua các tác nhân tiên phong đó — tất nhiên chúng tôi thích điều đó — mà là cách chúng tôi xây dựng nên điều này."

Đây là phần có thể thu hút sự chú ý của nhà đầu tư: khi so với Claude Opus 4.5 của Anthropic và GPT-5.5 của OpenAI — cả hai đều là hệ thống quy mô lớn tiên phong — Faraday chạy trên một mô hình tương đối nhỏ gọn tên là Qwen 3.6 với chỉ 27 tỷ tham số. (Nói một cách đơn giản, "tham số" là đại diện cho kích thước của mô hình và thường là chi phí huấn luyện của nó.) Tiêu chuẩn thành công của Inherent cũng cao hơn chỉ là độ chính xác. Vượt xa việc tái tạo kết quả, họ muốn Faraday thể hiện "gu nghiên cứu" — một bản năng nhạy bén về những thí nghiệm nào đáng thực hiện và cách thiết kế chúng một cách hiệu quả.

Học cách có "gu" qua reinforcement learning

Việc dạy một thứ trừu tượng như "gu nghiên cứu" là một thách thức lớn, và đây là lúc học tăng cường (reinforcement learning) phát huy vai trò. Đây là phương pháp huấn luyện thưởng cho AI khi đạt được kết quả tốt, thay vì đưa ra các quy tắc cụ thể để nó tuân theo. Thay vì huấn luyện các tác nhân của mình chủ yếu dựa trên nghiên cứu về cách khoa học được thực hiện, Inherent tập trung vào cách tiếp cận dựa trên khen thưởng này, đặt cược rằng nó sẽ mở rộng tốt hơn cho mục tiêu dài hạn là xây dựng các tác nhân có thể đóng góp trên nhiều lĩnh vực khoa học.

"Chúng tôi luôn được dẫn dắt bởi 'ngôi sao phương Bắc' là xây dựng một tác nhân AI nhà khoa học và truyền vào các tác nhân của mình 'gu' nghiên cứu," Hughes nói. Sự tập trung này cũng định hình những gì Inherent chọn không xây dựng. Thay vì phát triển công cụ lập trình riêng, họ để Faraday sử dụng GPT-5.5 Codex của OpenAI, giống như cách các nhà khoa học con người dựa vào phần mềm có sẵn thay vì tự xây dựng mọi thứ.

Hợp tác và tầm nhìn cho London

Inherent cũng đang cố gắng tránh xây dựng các tác nhân chỉ nói những gì người dùng muốn nghe. Hughes cho biết, mục tiêu được mô phỏng theo kiểu đồng nghiệp mà anh yêu thích nhất — kiểu người quay lại và nói: "Tôi thấy tò mò về điều này, và tôi đã đi làm các thí nghiệm này. Bạn nghĩ gì về những kết quả này?"

Bản năng hợp tác đó cũng phản ánh cách Inherent vận hành như một công ty. Toàn bộ một chục nhân viên của họ làm việc trực tiếp tại văn phòng ở King's Cross — khu phố từng tồi tàn ở London mà sự hiện diện của Google DeepMind đã giúp biến thành một trong những trung tâm AI hàng đầu thế giới. "Chúng tôi tin rằng London là nơi đáng sống và làm việc," Hughes nhấn mạnh.

Hughes lạc quan về mật độ nhân tài AI ở London, nhưng anh cũng lên tiếng kêu gọi xóa bỏ "garden leave" — một thông lệ phổ biến ở Anh, cấm nhân viên nghỉ việc tham gia hoặc thành lập công ty cạnh tranh trong nhiều tháng sau khi từ chức. Đây là hạn chế mà các nhà nghiên cứu Mỹ thường không gặp phải, tạo lợi thế cho các startup Mỹ trong việc tuyển dụng nhân tài. "Đây là quan điểm cá nhân chứ không phải quan điểm công ty, nhưng tôi từng bị ảnh hưởng bởi vấn đề garden leave này," anh chia sẻ với TechCrunch.

Hughes cuối cùng cũng vượt qua rào cản đó và thành lập Inherent cùng hai cựu kỹ sư DeepMind khác và một đồng sáng lập thứ tư. Startup này cũng không có dấu hiệu chậm lại. Họ có kế hoạch tăng số lượng nhân viên lên "khoảng 20 đến 25 người" vào cuối năm nay. Với tham vọng trong lĩnh vực mô hình thế giới (world models) và việc Demis Hassabis đảm nhận vai trò mới khiến một số nhân viên DeepMind cảm thấy bất an, chiến dịch tuyển dụng của Inherent có thể trở thành điểm đến hấp dẫn cho các kỹ sư DeepMind đang cân nhắc chuyển việc.

Ảnh từ trái sang phải: Các đồng sáng lập Inherent Louis Kirsch, Kaloyan Aleksiev, Tantum Collins và Edward Hughes.