NeoCognition zbiera $40M na agentów AI, którzy uczą się jak ludzie

Moja córka uczy się teraz jeździć na rowerze. Pierwszego dnia przewróciła się siedem razy. Drugiego — trzy. Trzeciego — zero. Nikt jej nie wgrywał algorytmów równowagi. Po prostu próbowała, popełniała błędy i wyciągała wnioski. Dokładnie tak chce uczyć AI startup NeoCognition — który właśnie zebrał $40 milionów na seed.

Założyciel, naukowiec z Ohio State University, stawia tezę: obecne modele AI nie uczą się — tylko przetwarzają wzorce w danych. NeoCognition buduje coś innego. Agentów, którzy stają się ekspertami w dowolnej dziedzinie, ucząc się przez doświadczenie.

$40M na seed to sygnał zaufania

Runda seed na poziomie $40 milionów to nie przypadek. Inwestorzy (których nazw startup jeszcze nie ujawnił) widzą potencjał w podejściu, które odchodzi od standardowego treningu modeli językowych. NeoCognition nie chce budować kolejnego GPT-5 czy Claude Opus 4.6. Chce stworzyć agentów, którzy:

• Uczą się w czasie rzeczywistym — bez konieczności ponownego treningu
• Adaptują się do nowych domen — bez dodatkowych zbiorów danych
• Popełniają błędy i wyciągają z nich wnioski — jak człowiek

Różnica? Obecne modele AI to statyczne artefakty. Wytrenowałeś GPT-5 na danych do października 2025? Nie wie nic o tym, co stało się później. Chcesz go nauczyć nowej dziedziny? Musisz go ponownie trenować albo dostarczyć kontekst przez RAG.

Agenci NeoCognition mają działać inaczej. Wrzucasz ich w nowe środowisko — i uczą się przez interakcję. Jak stażysta, który pierwszego dnia nie wie nic, a po miesiącu zna procedury lepiej niż połowa zespołu.

Uczenie przez doświadczenie vs. trening na danych

Standardowy model AI: dostajesz miliardy przykładów tekstu, obrazów, kodu. Uczysz się rozpoznawać wzorce. Jesteś dobry w przewidywaniu, co powinno być dalej. Nie rozumiesz kontekstu — rozpoznajesz korelacje.

Agent uczący się przez doświadczenie: dostajesz zadanie. Próbujesz. Widzisz rezultat. Jeśli zadziałało — zapamiętasz strategię. Jeśli nie — zmienisz podejście. Uczysz się przez feedback, nie przez statystykę.

To podejście znane z reinforcement learning — NeoCognition idzie jednak dalej. Ich agenci mają uczyć się w dowolnej domenie, bez potrzeby definiowania funkcji nagrody czy środowiska symulacyjnego. Mają być uniwersalni.

Założyciel z OSU i wizja uniwersalnych agentów

Startup założył naukowiec z Ohio State University (konkretne nazwisko nie zostało jeszcze podane w oficjalnych komunikatach). To ważne, bo OSU ma silny ośrodek badań nad cognitive science i adaptive systems. NeoCognition nie wychodzi z garażu — wychodzi z laboratorium, gdzie przez lata testowano teorie uczenia się.

Wizja? Agenci AI, którzy mogą stać się ekspertami w każdej dziedzinie. Nie musisz budować oddzielnego modelu do analizy finansowej, innego do diagnostyki medycznej, kolejnego do obsługi klienta. Jeden agent — wiele domen. Uczysz go przez pokazanie, co ma robić, i pozwalasz mu eksperymentować.

Jeśli to zadziała, mamy do czynienia z przeskokiem w stronę agentów AI, którzy nie wymagają ciągłej inżynierii promptów. Zamiast pisać instrukcje krok po kroku, pokazujesz agentowi przykłady — i on sam wypracowuje strategię.

Co to zmienia w Twojej pracy?

Jeśli NeoCognition dostarczy działające rozwiązanie, implikacje są konkretne:

Dla firm: Zamiast kupować gotowe narzędzia AI (które nie pasują do Twojego procesu), uczysz agenta Twojego workflow. Pokazujesz mu, jak obsługujesz klienta, jak analizujesz dane, jak podejmujesz decyzje. Agent uczy się Twojej specyfiki — nie ogólnego wzorca z internetu.

Dla deweloperów: Mniej czasu na fine-tuning i prompt engineering. Więcej na definiowanie celów i monitorowanie rezultatów. Agent adaptuje się sam — Ty tylko koregujesz kierunek.

Dla rynku AI: Kolejny krok w stronę agentów specjalizujących się w konkretnych branżach. Jeśli agenci mogą uczyć się przez doświadczenie, nie potrzebują miliardów dolarów na trening. Wystarczy dać im dostęp do środowiska i czas.

Czy to realistyczne?

Pytanie brzmi: czy NeoCognition ma technologię, która to umożliwia — czy tylko wizję i pitch deck? $40M na seed sugeruje, że inwestorzy widzieli coś więcej niż slajdy. Prawdopodobnie proof of concept, działające prototypy, wyniki testów.

Ryzyko? Uczenie przez doświadczenie wymaga czasu. Agent, który uczy się jak człowiek, potrzebuje tygodni, miesięcy — nie godzin. Firmy chcą rezultatów teraz. Jeśli NeoCognition nie dostarczy szybkich wyników, inwestorzy stracą cierpliwość.

Druga kwestia: bezpieczeństwo. Agent, który uczy się przez eksperymentowanie, może popełniać kosztowne błędy. W symulacji — OK. W produkcji, gdzie obsługuje prawdziwych klientów albo zarządza finansami? Potrzebujesz mechanizmów kontroli. Alipay już testuje systemy gwarancji dla agentów AI — to pokazuje, że rynek zaczyna myśleć o zabezpieczeniach.

Perspektywa na najbliższe 12 miesięcy

NeoCognition ma $40M i wizję. Co dalej? Prawdopodobnie:

• Budowa zespołu — naukowcy, inżynierowie, specjaliści od cognitive science
• Rozwój platformy — narzędzia do treningu agentów w różnych domenach
• Pierwsi klienci pilotażowi — firmy testujące agentów w kontrolowanych środowiskach
• Publikacje naukowe — jeśli technologia działa, zobaczysz papery na konferencjach AI

Jeśli za rok NeoCognition pokaże agenta, który nauczył się obsługiwać klienta w branży finansowej — bez fine-tuningu, tylko przez obserwację i feedback — to sygnał, że podejście działa. Jeśli nie — $40M pójdzie w badania, które może ktoś inny skomercjalizuje.

Rynek agentów AI rośnie. OpenAI Codex kontroluje komputer, Claude Code uczy się Twojego stylu pracy, a teraz NeoCognition chce budować agentów, którzy uczą się jak ludzie. Pytanie nie brzmi "czy agenci AI staną się standardem". Pytanie brzmi: które podejście wygra — statyczne modele z dobrym promptingiem, czy adaptacyjni agenci uczący się w czasie rzeczywistym?

NeoCognition stawia na drugie. Za rok zobaczymy, czy miał rację.