DeepMind முன்னாள் ஆய்வாளர்களால் நிறுவப்பட்ட Inherent, அதன் AI 'குழு உறுப்பினர்' Anthropic மற்றும் OpenAI ஐ விஞ்ஞான গবेषணை பிரतिलिपि செய்வதில் மீறியதாக கூறுகிறது

முன்னாள் DeepMind ஆய்வாளர்களால் கட்டப்பட்ட பிரிட்டிஷ் AI ஆய்வகம் ஆசியாவில் உள்ள ஒவ்வொரு டெவலப்பர் மற்றும் நிறுவனர்களை நிறுத்தி சிந்திக்க வைக்க வேண்டிய ஒரு கூற்றை வெளியிட்டுள்ளது: அவர்களின் AI முகவர், Faraday, விஞ்ஞான ஆவணங்களை Anthropic அல்லது OpenAI வரை அதிக துல்லியத்துடன் பிரதিபலிக்க முடியும். DeepMind முன்னாள் ஆய்வாளர்களால் நிறுவப்பட்ட Inherent, அதன் AI அமைப்பு வெறும் மற்றொரு ஆராய்ச்சி உதவியாளி அல்ல — இது ஒரு உண்மையான விஞ்ஞான குழு உறுப்பினர். பெஞ்ச்மார்க் சரிபார்ப்புக்கு நிலைத்திருந்தால், இது 2026 இல் பயன்பாட்டு AI ஆராய்ச்சி கருவிகளில் நாம் கண்ட மிக முக்கியமான திறன் பாய்ச்சல்களில் ஒன்றாகும்.

என்ன நடந்தது

பிரிட்டிஷ் AI ஆய்வகம் Inherent, ஆகஸ்ட் 22, 2026 இல் TechCrunch ஆல் கவரேஜ் செய்யப்பட்டது, Faraday என்ற AI முகவரை வெளியிட்டது. முக்கிய கூற்று துல்லியமாக உள்ளது மற்றும் தெளிவாக கூற வேண்டியது: Faraday விஞ்ஞான ஆராய்ச்சி ஆவணங்களை பிரதிபலிக்கும் பணিতে Anthropic மற்றும் OpenAI இலிருந்து போட்டி AI அமைப்புகளை மீறியது.

பிரতिलिपि ஒரு சாதாரண பெஞ்ச்மார்க் அல்ல. இது ஒரு AI அமைப்பு வெளியிடப்பட்ட ஆவணத்தை படிக்க, அதன் முறையைப் புரிந்து கொள்ள, அதன் சோதனை அமைப்பை மீண்டும் உருவாக்க, மற்றும் அசல் கண்டுபிடிப்புகளுடன் சামঞ்ஜस्यமான முடிவுகளை அடைய வேண்டும் — செயல்முறை வழியாக கைதুவல்ல செய்யப்படாமல். இது ஒரு ஆவணத்தை சுருக்கமாக கூறுவது அல்லது அதைப் பற்றி கேள்விகளுக்கு பதிலளிப்பது தரமாக வேறுபட்டது. Inherent இன் கூற்றுப்படி, Faraday இதை சுயாதீனமாக செய்கிறது, நீங்கள் கேட்கும் ஒரு கருவியைப் போல அல்ல மாறாக நீங்கள் வேலை ஒதுக்கும் ஒரு சக ஊழியரைப் போல செயல்படுகிறது।

நிறுவனர் குழுவின் பெயர் இங்கே முக்கியமாக உள்ளது. DeepMind வரலாற்று ரீதியாக பூமியில் மிக கடுமையான AI ஆராய்ச்சி சூழல்களில் ஒன்றாக உள்ளது — AlphaFold, AlphaGo, மற்றும் பல சகாக்ஞ-மதிப்பாய়ப்பட்ட முன்னேற்றங்களின் பின்னணியில் உள்ள ஆய்வகம். அந்த கலாச்சாரத்திலிருந்து வெளிவந்த நிறுவனர்கள் "இது செயல்படுகிறது" உண்மையில் என்றால் என்ன என்பதற்கு அதிக தரத்துடன் கட்ட முனைகின்றனர். இது Inherent இன் பெஞ்ச்மார்க்குகள் நிখுத்தமாக உள்ளன என்பதை உறுதி செய்யாது, ஆனால் Faraday இன் பின்னணியில் உள்ள முறையியல் சராசரி ஸ்டার্টআப்பின் பத்திரிகை வெளியீட்டு கூற்றை விட பாதுகாக்கக்கூடியதாக இருக்க வாய்ப்பு அதிகம்।

Faraday ஐ "குழு உறுப்பினர்" என்றும் "கருவி" என்றும் அல்ல என்ற நிலைப்பாடு வேண்டுமென்றே மற்றும் தத்துவார்த்தமாக குறிப்பிடத்தக்கது. இது ஒரு வடிவமைப்பு தத்துவத்தைக் குறிக்கிறது: அமைப்பு போதுமான சுயாதீனத்துடன் செயல்பட வேண்டும் என்பதாகும் ஒரு ஆய்வாளர் அல்லது டெவலப்பர் ஒரு பணியை ஒதுக்கி அர্থপூর்ண வெளியீட்டை எதிர்பார்க்க முடியும், வெறும் மানব வேலையின் ஆரம்ப புள்ளி அல்ல। அந்த ফ்রேமிங் বাস்தவ-உலக ஆராய்ச்சி பணிப்பாய்ப்புடன் தொடர்பு கொள்ளும் போது நிலைத்திருக்கிறதா என்பது இன்னும் பார்க்க வேண்டியுள்ளது — ஆனால் பெஞ்ச்மார்க் ফলாফல் அதற்கு தீவிரமாக எடுத்துக் கொள்ள வேண்டிய நம்பக்கூடிய தன்மை வழங்குகிறது।

ஏன் இது ஆசியாவிற்கு முக்கியமாக உள்ளது

ஆசியாவின் ஆராய்ச்சி மற்றும் வளர்ச்சி நிலப்பரப்பு ஒரு மாற்றப் புள்ளியில் உள்ளது. சிங்கப்பூர், தென் கொரியா, ஜப்பான், தைவான் மற்றும் ক্রমிக தென்கிழக்கு ஆசியா முழுவதும் பல்கலைக்கழகங்கள் உலக-தர AI மற்றும் வாழ்க்கை அறிவியல் ஆராய்ச்சி உற்பத்தி செய்கின்றன. அதே நேரத்தில், ஆராய்ச்சி வெளியீட்டு மற்றும் வணிக பயன்பாட்டிற்கு இடையிலான இடைவெளி இந்த சந்தைகளில் பல விஷயங்களில் பிடிவாதமாக பரந்துவிடுகிறது. விஞ்ஞான வேலையை பிரதிபலிக்கவும் சரிபார்க்கவும் முடியும் ஒரு கருவி வெறும் கல்வியாளிகளுக்கு உதவாது — இது வெளியிடப்பட்ட ஆவணத்திலிருந்து உற்பাদன-প্রস்তুத அন்தர்দृष्टிக்கு கால அட்டவணையை சுருக்குகிறது।

சிங்கப்பூர் மற்றும் தென் கொரியாவில் மருந்து மற்றும் உயிரிய தொழில்நுட்ப துறைகளைக் கவனியுங்கள், அங்கு ஆராய்ச்சி குழுக்கள் அவற்றின் উচ்চাகாங்க்ஷைக்கு ஒப்பிடும் போது சிறியவை. ஒரு Faraday-வகுப்பு முகவர் சோதனை முடிவுகளை சுயாதீனமாக பிரதிபலிக்க முடியும் என்பது ஐந்து ஆய்வாளர்களின் குழுவை பதினைந்து ஆய்வாளர்களின் குழுவின் எடையில் प्रभावी முறையில் குத்து மாரக முடியும் என்பதாகும். அதே தர்க்கம் ভিত்தி மாதிரிகளின் மேல் கட்ட பந்தயத்தில் உள்ள பகுதி முழুவதும் AI ஆராய்ச்சி ஆய்வகங்களுக்கு பொருந்தும் — முந்தைய வேலை உண்மையில் என்ன நிரூபிக்கப்பட்டது, வெறும் அது கூற்றுப்படி அல்ல, என்பதைப் புரிந்து கொள்ளுதல் ஒரு গুரুத்வமான தடை।

ஆசியா தொழில்நுட்பத்திற்கு குறிப்பிட்ட ஒரு மொழி மற்றும் அணுகல் பரிமாணமும் உள்ளது. உচ்च-மதிப்பு விஞ்ஞான இலக்கியத்தின் ஒரு குறிப்பிடத்தக்க பகுதி ஆங்கிலத்தில் உள்ளது, அதே நேரத்தில் அதை செயல்படுத்த வேண்டிய பல ஆய்வாளர்கள் மாண்டரின், கொரிய, ஜப்பானிய, அல்லது பஹாசா இந்தோனேசியায் பணிபுரிகின்றனர். ஒரு AI முகவர் ஆராய்ச்சியை பிரதிபலிக்க மற்றும் தொகுக்க முடியும் — வெறும் অনুবாद அல்ல — பகுதி முழুவதும் அறிவு பரிமாற்றத்தை வரலாற்று ரீதியாக மெதுவாக்கிய ஒரு உராய்ப்பு அடுக்கை அகற்றுகிறது।

பரந்த அர்த்தத்தில், Faraday இன் வெளிப்பாடு அடுத்த அலை உচ்च-மதிப்பு AI பயன்பாடுகள் பொதுவான-நோக்கமான சாட்பாட்கள் இருக்க மாட்டாது என்பதைக் குறிக்கிறது. அவை ஒரு குறுங்குறிப்பு, உচ்च-பந்தயம் பணியில் ஆழ்ந்த திறன் கொண்ட டொமைன்-குறிப்பிட்ட முகவர்கள் இருக்கும். ஆசிய நிறுவனர்கள் எங்கে கட்ட வேண்டும் என்பதை மதிப்பிடுவதற்கு, அது ஒரு தெளிவான சமிக்ஞை: AI சந்தையின் இந்த அடுத்த பর்যায়ে கிடைமட்ட அகலம் மீது செங்குத்து ஆழம் வெற்றி பெறுகிறது। வெற்றி பெறும் குழுக்கள் ஒரு டொமைன் — விஞ்ஞான ஆராய்ச்சி, சட்ட பகுப்பாய்வு, நிதி மாதிரியாக்கம் — தேர்ந்தெடுத்து ஒரு முகவரை கட்டும் குழுக்கள் உண்மையில் "குழு உறுப்பினர்" என்ற லேபிளை অর্জிக்கும்.

டெவலப்பர்களுக்கு இதன் பொருள் என்ன

டெவலப்பர்களுக்கு, Faraday ஒரு கான்கிரீட் ஆর்கிடெக்चरल கேள்வியை எழுப்புகிறது: நீங்கள் ஒரு AI முகவரை எவ்வாறு கட்டுகிறீர்கள் விஞ்ஞான பிரதிபலிப்பு போன்ற துல்லியமான ஒன்றுடன் நம்பிக்கை வேண்டிய தீண்டல் நீளமான பணிகளை நির்ভরযோக्यமாக செயல்படுத்த முடியும்?

Inherent வெளிப்படுத்தியுள்ளவற்றின் அடிப்படையில் குறுகிய பதில் என்னவென்றால், இது நன்றாக கேட்கப்பட்ட எல்லை மாதிரிக்கு மேல் அதிகமாக தேவைப்படுகிறது. Faraday ஒரு பல-படி agentic அமைப்பு தோன்றுகிறது — ஒன்று செயல்களின் ஒரு வரிசையை திட்டமிட, அவற்றை செயல்படுத்த, மধ்যবর্ती வெளியீடுகளை மதிப்பிட, மற்றும் திசை-திருத்த முடியும். அது retrieval-augmented generation (RAG) பைப்லைன் அல்லது ஒரு தரநிर्धारण சாட்பாட்ட இন্টারফேஸ் கட்டுவதிலிருந்து ஒரு அடிப்படையாக வேறுபட்ட பொறியியல் சவால் ஆகும்।

நீங்கள் இன்று முகவர்களை கட்டுகிறீர்கள் என்றால், இந்த கதையிலிருந்து ஒரு சில விஷயங்கள் ব்যবহারிক வழிகாட்டுதலாக வெளிவருகின்றன:

• மதிப்பீடு கடினமான பகுதி. Inherent Faraday Anthropic மற்றும் OpenAI ஐ மீறியது என்று கூற முடியும் என்பது கடுமையான, நோக்கமான பெஞ்ச்மார்க் — சரிபார்க்கக்கூடிய முடிவுகளுடன் ஆவணம் பிரதிபலிப்பு இருப்பதற்கு மட்டுமே நம்பக்கூடியது. நீங்கள் ஒரு டொமைன் பணிக்கு ஒரு முகவரை கட்டுகிறீர்கள் என்றால், உங்கள் வெற்றி மெட்ரிக் குறியீட்டின் ஒரு வரியை எழுதுவதற்கு முன் வரையறை. "இது செயல்பட்டது" என்ன தோன்றுகிறது, సంఖ్యాపరంగా?
• பணி decomposition மாதிரி தேர்வை விட அधिक গুরুত్వपूর्ण. மாதிரி ஒரு घटक ஆகும். ஆর्कிটेक्चरा — நீங்கள் ஒரு जटिल பணியை துணை-பணிகளாக எவ்வாறு உடைக்கிறீர்கள், நீங்கள் தோல்விகளை எவ்வாறு கையாளுகிறீர்கள், நீங்கள் মধ్यवर्ती வெளியீடுகளை எவ்வாறে சரிபார்க்கிறீர்கள் — இங்கே உண்மையான பொறியியல் வாழ்கிறது। ஒரு দुर्बल मাडल শক्তिशালী पार्श्व decomposition அडुস्टा সহ প्রায়ই ஒரு শক్তিশালী মাডল மেल్ఓ-టు-ఎండ్ కేవలం చెప్పిన దానిని అధిగమిస్తుంది।
• স্वায়ত్তता বিশ్વাস scaffolding প্রয়োजন। Faraday ಅನ್ನು "टीम मेট" ಎಂದು ಕರೆಯುವುದು ವ್ಯವಸ್ಥೆಯನ್ನು ಅರ್ಥಪೂರ್ಣ ವಿಸ್ತರಣೆಗಳಿಗೆ ನೋಡಿದೆ ಕೆಲಸ ಮಾಡಲು ನಂಬಬಹುದೆ ಎಂದು ಸೂಚಿಸುತ್ತದೆ। ಆ ವಿಶ್ವಾಸವನ್ನು ನಿರ್ಮಾಣ ಲಾಗಿಂಗ್, ವ್ಯಾಖ್ಯಾನಯೋಗ್ಯತೆ, ಮತ್ತು ಸೌಮ್ಯ ವೈಫಲ್ಯ ಪರಿಸ್ಥಿತಿಗಳು ಅಗತ್ಯವಿರುತ್ತದೆ. ಬಳಕೆದಾರರು ಅವರು ಅಡಿಟ್ ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ ಒಂದು ಏಜೆಂಟ್ ನೀಡಿ ಮಾಡುವುದಿಲ್ಲ।

প্ল্যাটফর্ম পক্ষে, এটি ঠিক ঠিক উন্নয়ন প্যাটার্ন যা MonstarX সমর্থন করার জন্য নির্মিত হয়েছে। ভারতীয় সিস্টেম নির্মাণকারী এশিয়ান ডেভেলপারদের অবকাঠামো প্রয়োজন যা সমন্বয় স্তর পরিচালনা করে — মডেলগুলিকে ডেটা উৎসগুলির সাথে সংযুক্ত করা, বহু-পদক্ষেপ ওয়ার্কফ্লো জুড়ে অবস্থা পরিচালনা করা, এবং বাহ্যিক API এবং গবেষণা ডাটাবেসে সঠিক সংযোগকারী প্রকাশ করা — প্রতিটি দলকে সেই scaffolding পুনর্নির্মাণ করতে বাধ্য না করে।

Faraday গল্প বিশেষীকরণ সম্পর্কে একটি পয়েন্ট শক্তিশালী করে। Inherent একটি সাধারণ-উদ্দেশ্য গবেষণা এজেন্ট নির্মাণ করার চেষ্টা করেনি। তারা একটি কাজ বেছে নিয়েছে — প্রতিলিপি — এবং এটির জন্য কঠোর পরিশ্রম করেছে। এশিয়ায় নির্মাণকারী ডেভেলপারদের এটি গুরুত্ব সহকারে নিতে হবে। বিস্তৃত নির্মাণের প্রলোভন শক্তিশালী, বিশেষত যখন আপনি বিনিয়োগকারীদের কাছে পিচ করছেন যারা TAM চান। কিন্তু যে এজেন্টগুলি প্রকৃতপক্ষে গৃহীত হবে তারা এমন যারা একটি উচ্চ-মূল্য জিনিস মানুষ একা করতে পারে তার চেয়ে ভাল করে।

একটি আরও ব্যবহারিক নোট: গবেষণা প্রতিলিপি ব্যবহারের ক্ষেত্রে সফ্টওয়্যার উন্নয়নে সরাসরি অনুরূপ রয়েছে। কোড পর্যালোচনা, পরীক্ষা প্রজন্ম, এবং — সবচেয়ে প্রাসঙ্গিক — বাগ পুনরুৎপাদন