Faraday od Inherent ma odtwarzać badania lepiej niż giganci

• Brytyjskie laboratorium AI Inherent wypuściło agenta o nazwie Faraday.
• Startup założyli byli pracownicy DeepMind.
• Firma twierdzi, że Faraday poradził sobie lepiej niż rozwiązania Anthropic i OpenAI w odtwarzaniu badań naukowych.
• Najważniejsza obietnica nie dotyczy czatu, ale szybszego sprawdzania i powielania wyników z publikacji.

Obiecywano nam AI, które napisze wszystko za człowieka. Tymczasem coraz ciekawszy kierunek wygląda dużo mniej filmowo: agent siada do pracy z publikacją naukową i próbuje ją rzetelnie odtworzyć. I szczerze? To może być cenniejsze niż kolejny chatbot z ładniejszym interfejsem.

Sprawdzam fakty. TechCrunch opisuje nowy ruch brytyjskiego startupu Inherent, założonego przez absolwentów DeepMind. Firma wypuściła Faradaya i twierdzi, że ten agent AI przebił systemy Anthropic oraz OpenAI w zadaniu replikowania badań.

Zamiast asystenta do wszystkiego - agent do jednego trudnego zadania

Inherent nazywa Faradaya AI "teammate", czyli cyfrowym współpracownikiem. To ważne rozróżnienie. Firma nie pokazuje modelu, który tylko odpowiada na pytania, ale agenta AI, który wykonuje złożone zadanie krok po kroku.

Tu zadanie jest bardzo konkretne: replikacja badań naukowych. Chodzi o próbę odtworzenia tego, co opisano w pracy badawczej, żeby sprawdzić, czy wynik da się powtórzyć. Właśnie tutaj zaczyna się prawdziwa robota, a kończy marketingowy dymek nad oknem czatu.

Dla zwykłego użytkownika może to brzmieć niszowo. Tyle że odtwarzanie badań jest jednym z fundamentów nauki. Jeśli publikacji nie da się sensownie powtórzyć, jej praktyczna wartość spada. Agent, który pomaga przejść przez ten proces szybciej, może oszczędzić badaczom mnóstwo czasu i frustracji (a tego w nauce raczej nie brakuje).

Replikacja badań to test, który mówi więcej niż ładna odpowiedź modelu

W świecie AI łatwo wpaść w prosty schemat: kto ma lepszy model, ten wygrywa. Problem polega na tym, że same odpowiedzi generowane przez model to dopiero początek. Dużo trudniej sprawdzić, czy system potrafi przełożyć teorię z publikacji na działanie, które da się zweryfikować.

I właśnie tutaj Inherent stawia własną tezę. Według firmy Faraday wypadł lepiej niż rozwiązania Anthropic i OpenAI w zadaniu odtwarzania badań. Źródło nie podaje szczegółowych wyników ani metodologii porównania, więc uczciwie: na razie to deklaracja startupu, a nie zamknięty werdykt całej branży.

Mimo tego sam kierunek ma sens. Jeśli agent AI potrafi czytać publikację, rozumieć jej założenia i pomagać w powtórzeniu eksperymentu, przestaje być tylko narzędziem do pisania tekstów. Staje się narzędziem do sprawdzania wiedzy. A to już inna liga.

Ten trend dobrze łączy się z szerszym ruchem wokół agentów AI. Na blogu AI Evolution pisaliśmy już o tym, jak firmy budują takie systemy szybciej i taniej w tekście GPT-5.6 - jak startupy budują agentów AI taniej i szybciej. W podobnym duchu możesz też zobaczyć, jak rozwijają się platformy dla agentów, choćby w artykule Alibaba uruchamia Qwen AI Arena - platforma dla agentów AI.

Tu stawką nie jest efekt wow, ale zaufanie

Największy problem z AI w pracy eksperckiej jest prosty: model może brzmieć pewnie, nawet gdy się myli. Przy badaniach naukowych taka pomyłka kosztuje więcej niż niezręczny mail. Może oznaczać stracony czas, błędne wnioski albo ślepą uliczkę w projekcie.

Dlatego narzędzia nastawione na replikację są tak ciekawe. Nie sprzedają wizji "AI wie wszystko". Odpowiadają na dużo bardziej przyziemne pytanie: czy da się to sprawdzić i powtórzyć? To podejście ma więcej sensu niż kolejna prezentacja o tym, że model jest "bardziej ludzki" (jakby to był główny problem nauki).

Co ruch Inherent mówi o rynku AI dla nauki

Sam fakt, że startup zbudowany przez byłych pracowników DeepMind celuje akurat w naukę, nie jest przypadkiem. W AI coraz trudniej wyróżnić się samym hasłem "mamy model". Dużo ciekawsze stają się narzędzia wyspecjalizowane, które rozwiązują konkretny problem użytkownika.

W tym sensie Faraday wpisuje się w szerszy trend: AI przestaje być uniwersalnym czatem, a staje się zestawem wyspecjalizowanych współpracowników. Jedni pomagają pisać kod, inni przeglądać strony, jeszcze inni pracować z badaniami. Jeśli chcesz zobaczyć inny przykład takiego przesunięcia, zerknij na Cloudflare Kitesurf - przeglądarka dla agentów AI, nie dla ludzi albo na analizę DeepSeek Harness - platforma dla agentów AI, nie gotowy produkt.

Dla polskich firm i uczelni sygnał jest prosty: przewaga nie musi już wynikać z budowy własnego wielkiego modelu. Czasem większy sens ma wdrożenie narzędzia, które ogarnia jeden proces naprawdę dobrze. Jeśli pracujesz w edukacji, badaniach, analizie albo w firmie opartej na wiedzy, to właśnie takie systemy mogą dać realną oszczędność czasu.

Również z perspektywy Europy ten temat jest ciekawy. Brytyjski startup pokazuje, że innowacja w AI nie musi zawsze wychodzić z największych amerykańskich laboratoriów. Czasem przewagę daje skupienie na konkretnym problemie, a nie wyścig o najgłośniejszy model. Podobny klimat ambitnych projektów wokół nauki widać też w tekście Jeff Dean odchodzi z Google. Zakłada startup AI dla nauki.

Spokojny werdykt, bez fanfar

Dobra, powiedzmy to wprost: Faraday wygląda ciekawie, bo celuje w problem, który naprawdę istnieje. Nie mamy pełnych danych porównawczych, więc nie ma sensu ogłaszać nowego króla AI. Mamy za to wyraźny sygnał, że walka o przyszłość sztucznej inteligencji może rozstrzygać się nie w najbardziej efektownych demach, ale w narzędziach, które pomagają sprawdzać, a nie tylko generować.

Jeśli ten kierunek się utrzyma, za 6-12 miesięcy będziemy mówić mniej o "magicznych modelach", a częściej o agentach do konkretnych zadań eksperckich. I dobrze, bo rynek potrzebuje dziś bardziej narzędzi do pracy niż kolejnych pokazów slajdów (tych akurat już było sporo).

Najczęstsze pytania

Czym jest Faraday od Inherent?

Faraday to agent AI wypuszczony przez brytyjskie laboratorium Inherent. Według opisu ma pomagać w odtwarzaniu badań naukowych, czyli w próbie powtórzenia wyników opisanych w publikacjach.

Kto stworzył startup Inherent?

TechCrunch podaje, że Inherent założyli byli pracownicy DeepMind. To ważny sygnał doświadczenia zespołu, ale nie gwarancja sukcesu produktu.

Czy Faraday naprawdę pokonał OpenAI i Anthropic?

Tak twierdzi sama firma Inherent w odniesieniu do zadania replikowania badań. Źródło nie podaje jednak pełnych szczegółów metodologii ani wyników liczbowych, więc ten claim trzeba traktować ostrożnie.

Dlaczego replikacja badań przez AI ma znaczenie?

Bo nauka opiera się na tym, że wyniki da się sprawdzić i powtórzyć. Agent AI, który pomaga w takim procesie, może być bardziej użyteczny niż zwykły chatbot odpowiadający na pytania.

Czy to ma znaczenie także poza nauką?

Tak, bo pokazuje szerszy trend na rynku AI. Zamiast jednego narzędzia do wszystkiego pojawiają się agenci AI do konkretnych zadań, a to zwykle daje więcej realnej wartości w pracy.