Przemysł sztucznej inteligencji od lat goni za skalą – im większe modele, więcej danych, tym lepiej. Ale grupa młodych badaczy właśnie zebrała zawrotną sumę 180 milionów dolarów na seed funding, by udowodnić, że jest inaczej. Flapping Airplanes, bo tak nazywa się nowe laboratorium AI, chce przełamać ortodoksję uczenia maszynowego i nauczyć modele robić więcej z mniejszą ilością danych.
Za projektem stoją trzej młodzi założyciele: bracia Ben i Asher Spector oraz Aidan Smith, który wcześniej pracował w Neuralink. To właśnie doświadczenia Smitha z badaniami nad mózgiem ludzkim stały się punktem wyjścia dla fundamentalnej tezy Flapping Airplanes – jeśli ludzie potrafią uczyć się na ułamku danych potrzebnych współczesnym modelom AI, to znaczy, że istnieją radykalnie inne ścieżki rozwoju sztucznej inteligencji.
Dlaczego właśnie teraz?
„Jest tak wiele do zrobienia” – odpowiada Ben Spector na pytanie o timing uruchomienia kolejnego laboratorium AI w czasie, gdy OpenAI i DeepMind inwestują miliardy w skalowanie swoich modeli. Jak zauważa, postępy ostatnich lat są spektakularne, ale to nie jest koniec uniwersum możliwości. Problem efektywności danych to, według założycieli, kluczowe wyzwanie, które może całkowicie zmienić ekonomikę i możliwości AI.
Współczesne modele frontier są trenowane na całej sumie ludzkiej wiedzy dostępnej w internecie. Ludzie radzą sobie z o wiele mniejszą ilością informacji. „To ogromna przepaść i warto ją zrozumieć” – podkreśla Ben Spector. Flapping Airplanes to skoncentrowany zakład na trzy rzeczy: że problem efektywności danych jest najważniejszy, że jego rozwiązanie będzie komercyjnie wartościowe, i że właściwym zespołem do tego zadania jest kreatywna, a nawet w pewnym sensie niedoświadczona grupa, która może spojrzeć na problem od zera.
Aidan Smith dodaje, że nie postrzegają siebie jako konkurencji dla innych laboratoriów, ponieważ patrzą na zupełnie inny zestaw problemów. Ludzki umysł uczy się w fundamentalnie odmienny sposób niż transformery. LLM-y mają niesamowitą zdolność do zapamiętywania i czerpania z szerokiej wiedzy, ale nie potrafią szybko nabywać nowych umiejętności – potrzebują „rzek i rzek danych” do adaptacji. Algorytmy używane przez mózg różnią się zasadniczo od gradient descent i technik stosowanych obecnie w trenowaniu AI.
Filozofia „machających samolotów”
Nazwa laboratorium – Flapping Airplanes – to nie przypadek. To kluczowa metafora dla ich podejścia do AI. „Myślcie o obecnych systemach jak o wielkich Boeingach 787” – wyjaśnia Ben Spector. „My nie próbujemy budować ptaków. To krok za daleko. Próbujemy zbudować coś w rodzaju machającego skrzydłami samolotu.”
Założyciele podkreślają, że mózg traktują jako dowód istnienia – evidencję, że istnieją inne algorytmy poza obecną ortodoksją. Ale ograniczenia mózgu i krzemu są na tyle różne, że nie powinniśmy oczekiwać, że te systemy skończą wyglądać identycznie. „Mózg w wielu aspektach to podłoga, nie sufit” – dodaje Aidan Smith. Nie widzą dowodów na to, że mózg nie jest poznawalnym systemem podlegającym prawom fizyki, więc powinno być możliwe stworzenie zdolności bardziej interesujących i potencjalnie lepszych niż te w mózgu.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl: Ta metafora „flapping airplanes” to dla mnie jedna z najciekawszych rzeczy, jakie słyszałem w kontekście rozwoju AI od dawna. Przez lata obserwowaliśmy wyścig na większe modele, więcej GPU, więcej danych. To była prosta matematyka: więcej znaczy lepiej. Ale teraz ktoś mówi: „czekajcie, a może da się inaczej?”. I zbiera na to 180 milionów dolarów w rundzie seed. To pokazuje, że inwestorzy też zaczynają dostrzegać granice obecnego paradygmatu. Pytanie tylko, czy uda się przełożyć tę wizję na działające rozwiązania. Bo historia technologii zna wiele pięknych metafor, które nigdy nie wyszły poza slajdy z prezentacji. Ale jeśli Flapping Airplanes rzeczywiście osiągnie swój cel – poprawę efektywności danych o 1000x – będziemy świadkami prawdziwej rewolucji. Nie tylko w AI, ale w całym modelu biznesowym branży technologicznej.
Rekrutacja „niezanieczyszczonych” umysłów
Jednym z najbardziej charakterystycznych aspektów Flapping Airplanes jest podejście do rekrutacji. Zespół celowo szuka bardzo młodych ludzi – niekiedy wciąż studiujących lub nawet uczniów liceum. Dlaczego? „Kiedy rozmawiasz z kimś i po prostu cię olśniewa, ma tyle nowych pomysłów i myśli o rzeczach w sposób, w jaki wielu uznanych badaczy już nie może, bo nie zostali 'zanieczyszczeni’ kontekstem tysięcy i tysięcy publikacji” – wyjaśnia Aidan Smith.
Kreatywność to priorytet numer jeden. Ben Spector dodaje, że prawdopodobnie najważniejszym sygnałem, którego osobiście szuka, jest to, czy ktoś naucza go czegoś nowego podczas rozmowy. „Jeśli uczą mnie czegoś nowego, jest duża szansa, że nauczą nas czegoś nowego o tym, nad czym pracujemy.”
Ta filozofia ma swoje korzenie w doświadczeniach Bena z czasów studiów i doktoratu, gdy pomagał założyć inkubator Prod, który współpracował z kilkoma odnoszącymi sukcesy firmami. Jedną z lekcji było uświadomienie sobie, że młodzi ludzie absolutnie mogą konkurować na najwyższym poziomie w branży.
Oczywiście, zespół docenia też wartość doświadczenia i zatrudnia również osoby z backgroundem w dużych systemach. Kluczem jest jednak poszukiwanie ludzi, którzy nie boją się zmieniać paradygmatu i potrafią wyobrazić sobie nowe systemy działania.
Badania przed komercjalizacją
W ostatnich miesiącach widać wyraźny trend w branży AI – nowe laboratoria mogą pozwolić sobie na skupienie się na badaniach, zamiast natychmiastowego rozwijania produktów. Flapping Airplanes też wpisuje się w tę tendencję.
„Chciałbym móc podać wam timeline. Chciałbym powiedzieć: za trzy lata rozwiążemy problem badawczy i tak będziemy komercjalizować. Nie mogę. Nie znamy odpowiedzi. Szukamy prawdy” – mówi szczerze Asher Spector. Jednocześnie podkreśla, że zespół ma komercyjny background i jest podekscytowany perspektywą komercjalizacji. Ale muszą zacząć od badań, bo gdyby zaczęli od podpisywania wielkich kontraktów enterprise, rozproszą się i nie wykonają cennych badań.
Ben Spector jest optymistą – uważa, że stosunkowo szybko mogą osiągnąć wystarczający postęp, by zacząć „dotykać trawy w prawdziwym świecie”. Świat to ogromny zbiornik prawdy, z którego można czerpać, gdy się chce. Główną zmianą, którą umożliwiła obecna ekonomia i finansowanie tych struktur, jest możliwość, by firmy mogły naprawdę skupiać się na tym, w czym są dobre, przez dłuższe okresy.
Jaka przyszłość AI?
Zespół Flapping Airplanes ma kilka hipotez, co może się stać, gdy uda się trenować modele bardziej efektywnie na danych. Pierwsza hipoteza Ashera Spectora zakłada istnienie spektrum między szukaniem statystycznych wzorców a czymś, co ma naprawdę głębokie zrozumienie. Obecne modele znajdują się gdzieś na tym spektrum. Być może trenowanie modeli na mniejszej ilości danych zmusi je do posiadania niezwykle głębokiego zrozumienia wszystkiego, co widziały. Model może znać mniej faktów, ale stać się lepszym w rozumowaniu.
Druga hipoteza dotyczy post-trainingu. Obecnie nauczanie modeli nowych zdolności jest bardzo drogie – operacyjnie i monetarnie – bo potrzeba ogromnych ilości danych. Może się okazać, że dzięki pracy Flapping Airplanes post-training stanie się znacznie bardziej efektywny, pozwalając na wprowadzenie modelu w nową domenę za pomocą zaledwie kilku przykładów.
Trzecia możliwość to odblokowanie nowych sektorów dla AI. W niektórych dziedzinach robotyki, czy odkryć naukowych, wciąż nie możemy osiągnąć poziomu zdolności, który uczyniłby je komercyjnie opłacalnymi. Zdaniem Ashera, to problem ograniczonych danych, nie hardware’u.
Ben Spector dodaje jeszcze inną perspektywę. Można patrzeć na AI jako na technologię deflacyjną – automatyzującą pracę i usuwającą ją z ekonomii. „Ale to nie jest dla mnie najbardziej ekscytująca wizja AI” – mówi. Najbardziej ekscytująca wizja to taka, w której AI pozwala na tworzenie nowej nauki i technologii, których ludzie nie są wystarczająco inteligentni, by wymyślić, ale inne systemy mogą. Ta oś między prawdziwą generalizacją a memoryzacją lub interpolacją danych jest, jego zdaniem, kluczowa dla osiągnięcia głębokich insightów prowadzących do postępów w medycynie i nauce.
Inny rodzaj inteligencji
Flapping Airplanes nie chce się pozycjonować w debacie o AGI. „Naprawdę nie wiem dokładnie, co AGI oznacza” – przyznaje Asher Spector. Jest jasne, że zdolności rozwijają się bardzo szybko i tworzona jest ogromna wartość ekonomiczna. Ale nie sądzi, by w ciągu dwóch miesięcy czy nawet dwóch lat nadeszła osobliwość, w której ludzie staną się całkowicie przestarzali.
Aidan Smith podkreśla, że mózg nie jest sufitem – w wielu aspektach to podłoga. Nie widzą dowodów, że mózg nie jest poznawalnym systemem podlegającym prawom fizyki. Dlatego powinno być możliwe stworzenie zdolności znacznie ciekawszych, różnych i potencjalnie lepszych niż mózg w długim okresie.
Ben Spector podsumowuje: „Nie staramy się być per se lepsi. Staramy się być inni. To kluczowa rzecz. Wszystkie te systemy prawie na pewno będą miały różne trade-offy. Zyskasz przewagę w jednym miejscu, stracisz w innym. A to jest duży świat. Jest tak wiele różnych domen o tak różnych trade-offach, że posiadanie większej liczby systemów i fundamentalnych technologii, które mogą adresować te różne domeny, z bardzo dużym prawdopodobieństwem sprawi, że AI rozprzestrzeni się bardziej efektywnie i szybciej w świecie.”
Czy to się uda? Zespół przyznaje, że prawdopodobnie wiele z ich najbardziej radykalnych pomysłów po prostu nie zadziała. Ale na tym polega badanie – próbowanie naprawdę radykalnie różnych rzeczy. A z 180 milionami dolarów na start i kontaktami do inwestorów przekonanych ich wizją, mają pasmo startowe, by te eksperymenty przeprowadzić.
Dla zainteresowanych: Flapping Airplanes udostępniło dwa adresy email – hi@flappingairplanes.com dla chcących powitać zespół, oraz disagree@flappingairplanes.com dla tych, którzy chcą się z nimi nie zgodzić. „Mieliśmy naprawdę fajne rozmowy, kiedy ludzie przysyłali nam bardzo długie eseje o tym, dlaczego uważają, że to, co robimy, jest niemożliwe” – przyznaje Asher Spector. Choć dodaje z uśmiechem: „Ale nikt nas jeszcze nie przekonał.”
