Юаньдун Тянь, который более десяти лет проработал директором по научным исследованиям в лаборатории фундаментальных исследований искусственного интеллекта (Fundamental AI Research) компании Meta*, стал соучредителем стартапа Recursive Superintelligence. Компания вышла из режима скрытности 13 мая, получив финансирование в размере 650 миллионов долларов при оценке в 4,65 миллиарда долларов. В компании работает менее 30 сотрудников, и она еще не выпустила ни одного продукта, однако привлекла капитал от венчурного подразделения Alphabet и двух крупнейших производителей чипов на основе единого тезиса: искусственный интеллект можно спроектировать так, чтобы он улучшал сам себя, быстрее, в ускоряющемся цикле.
Для читателя, отслеживающего потоки капитала в передовом ИИ, эта ставка имеет значение, поскольку она реорганизует целую компанию вокруг идеи, которую крупнейшие лаборатории рассматривают лишь как внутренний инструмент. Если рекурсивное самосовершенствование сработает, фирма, которая достигнет этого первой, сможет многократно увеличить свое преимущество, а не наращивать его шаг за шагом — и люди, создавшие современные модели, теперь ставят на то, что следующие смогут создать себя сами.
Раунд возглавили GV и Greycroft, к ним присоединились Nvidia и AMD
Финансирование возглавили GV и Greycroft при участии Nvidia и AMD. Присутствие двух компаний, чьи кремниевые решения лежат в основе практически всего обучения больших моделей, является показателем. Стратегические чеки от фирм, продающих кирки и лопаты, сигнализируют о том, что они рассматривают самосовершенствующийся ИИ как ближайшего покупателя вычислительных мощностей, а не как отдаленную абстракцию. Раунд был описан как сильно переподписанный, и в настоящее время компания работает из офисов в Сан-Франциско и Лондоне.
Recursive возглавляет Ричард Сохер, бывший главный научный сотрудник Salesforce и основатель поисковой системы You.com, наряду с семью соучредителями. Среди них Тянь; Тим Рокшташель, профессор Университетского колледжа Лондона и бывший ведущий научный сотрудник DeepMind, руководивший исследованиями в области мировой модели и открытости; Алексей Досовицкий, ведущий автор статьи Vision Transformer, изменившей компьютерное зрение; Джош Тобин, ранее работавший в OpenAI; Цаймин Сюн, бывший старший вице-президент Salesforce; Тим Ши; и Джефф Клун, известный своими основополагающими исследованиями «ученого-ИИ». Питер Норвиг, соавтор стандартного учебника Artificial Intelligence: A Modern Approach, выступает в качестве советника.
Тянь покинул Meta*, утверждая, что небольшие команды теперь обгоняют большие
Тянь представляет свой уход после почти 11 лет работы как структурную ставку, а не как выражение недовольства. Он утверждает, что крупные организации теперь несут такие издержки на согласование и коммуникацию, которые передовая разработка больше не может поглотить: руководители спускают директивы вниз, разросшиеся команды тратят больше времени на синхронизацию с руководством, чем на выпуск продукта, и это несоответствие проявляется в постоянных реорганизациях и увольнениях, проходящих по отрасли. По его мнению, небольшая команда с низким уровнем трения стала единственной конфигурацией, способной идти в ногу со временем.
Инвесторы, похоже, разделяют эту точку зрения. Тянь заявил, что в настолько быстро меняющейся области лучшие капиталы фактически делают ставку на людей, а не на продукты, и что состав Recursive из взаимодополняющих, авторитетных исследователей оправдал финансирование компании, которой пока нечего продавать. Его собственный послужной список служит якорем для группы: выпускник Шанхайского университета Цзяотун с докторской степенью по робототехнике из Университета Карнеги — Меллона, он руководил проектом DarkForest Go, а затем ELF OpenGo в Meta*, после чего сосредоточился на обучении с подкреплением, рассуждениях больших языковых моделей и оптимизации, управляемой ИИ.
👉 Читайте далее:
Hexo Labs запускает самосовершенствующийся агент с открытым исходным кодом (SIA)
Как работает рекурсивное самосовершенствование: модели, переписывающие собственное обучение
Механизм, лежащий в основе заголовка, представляет собой замкнутый цикл оптимизации. Вместо того чтобы исследователи-люди вручную разрабатывали каждое новое поколение — выбирая архитектуры, собирая данные, размечая примеры — система автоматизирует части своих собственных исследований и разработок, и каждый успех делает ее лучше в создании следующего. Тянь утверждает, что человеческая выносливость стала связующим ограничением для прогресса моделей, и передача процесса открытия системе — это способ, которым лаборатория увеличивает скорость открытий, а не численность персонала.
Recursive опубликовала поэтапный путь, а не единый скачок. Первая цель — система, способная заменить «50 000 врачей», нацеленная непосредственно на автоматизацию исследований ИИ, за которой последует автономная система обучения «Уровень 1» с публичным запуском, запланированным на середину 2026 года. Чтобы сделать этот цикл надежным, Тянь придает необычный вес интерпретируемости: знание того, что модель делает внутри, является как базой безопасности, которая улавливает дрейф рассуждений до того, как он накопится, так и рычагом эффективности, который избавляет команду от сжигания тысяч GPU вслепую методом проб и ошибок. Если человеческий уровень возможностей — это «1», а цель — «10», он оценивает текущие системы примерно в 0,5–1 — очень рано на подъеме.
Почему Тянь считает, что предобучение, а не обучение с подкреплением, определяет потолок
Несколько технических позиций Тяня противоречат самым громким предположениям индустрии, и они объясняют конструктивные решения компании. Он руководил внимательно отслеживаемой работой по латентным рассуждениям и утверждает, что цепочка рассуждений (chain-of-thought prompting), при всей ее полезности, может быть не самой эффективной формой машинного мышления: представление в латентном пространстве может нести гораздо больше информации за шаг и исследовать несколько линий одновременно, чем текст, написанный по одному токену. Он также утверждает, что потолок обучения с подкреплением (RL) фиксируется предобучением — RL в основном продвигает правильный ответ, который модель уже может выдать, поэтому модель, которая никогда не усвоила хорошего внутреннего представления, не имеет выигрышного «семени» для RL, чтобы его проявить. И он считает, что язык несет более высокий потолок, чем современные системы зрения и «мировые модели», потому что язык может рекомбинировать, ссылаться на себя и переопределять понятия так, как не могут статистические данные о пикселях.
Этот скептицизм распространяется и на грубое масштабирование. Ранние исследования Тяня о «проникновении» (grokking) — внезапном переходе от запоминания к подлинной обобщающей способности после того, как данные пересекают критический порог — лежат в основе его предупреждения о том, что экспоненциальный аппетит отрасли к вычислениям и мощности в конечном итоге столкнется с физическими пределами. Выход, по его мнению, заключается в теоретических прорывах и прорывах в эффективности, что именно та ставка, которую может сделать небольшая лаборатория, а не гиперскейлер, гоняющийся за тем же эталоном.
Против чего конкурирует Recursive Superintelligence?
Recursive не одинока в направлении моделей внутрь себя, но она одинока в том, что делает этот цикл продуктом. Anthropic заявила, что большая часть ее кода теперь пишется Claude; OpenAI сообщила, что GPT-5.5 разработал метод распараллеливания, который увеличил скорость генерации токенов более чем на 20%; а Google DeepMind создала кодирующего агента AlphaEvolve для алгоритмических открытий. Разница, по мнению сторонников Recursive, организационная: крупные лаборатории продают модели и доступ к API и используют самосовершенствование для поддержки этой работы, в то время как Recursive построена так, что сам механизм самосовершенствования является тем, что она выпускает.
Тянь помещает компанию в контекст более широкого исхода старших исследователей, основывающих собственные лаборатории, и утверждает, что время — это окно возможностей. Скачок в инструментах кодирования ИИ в конце 2025 года означает, что горстка элитных инженеров может почти мгновенно принять новую парадигму производства, в то время как крупной организации может потребоваться год или больше, чтобы реструктурироваться вокруг нее — окно, в течение которого новички могут вырваться вперед до того, как существующие игроки адаптируются.
Тянь утверждает, что работа инженеров среднего звена уже заменима
Тянь не смягчает последствия для рынка труда. Он утверждает, что ИИ уже может взять на себя большую часть работы, выполняемой инженерами среднего звена, что объясняет, почему прибыльные гиганты продолжают сокращать штат, даже когда выручка остается прежней. Он сравнивает рынок труда с рыбой, прыгающей между сокращающимися лужами: переход от одного крупного работодателя к другому не является спасением, когда вода — предложение традиционных ролей — иссякает повсюду одновременно. Устойчивый шаг, по его мнению, — это размерный скачок, к самонаправленной работе, которую будет преследовать только данный человек и которая генерирует новые данные и опыт, которых не видел ни одна модель. Предсказав после дебюта GPT-4, что почти все в конечном итоге станут предпринимателями, он рассматривает ближайшие несколько лет как болезненный, но ренессансоподобный переход.
Обеспечит ли цикл неудержимое ускорение или осядет в виде снижающейся отдачи, остается по-настоящему открытым вопросом. Соучредитель Anthropic Джек Кларк оценивает вероятность того, что система сможет обучить более способного преемника без помощи человека, примерно в 60% к концу 2028 года и в 30% к 2027 году. На данный момент рынок оценил эту возможность в 4,65 миллиарда долларов — для компании, которой четыре месяца, и которая еще ничего не выпустила.
Часто задаваемые вопросы
Что такое Recursive Superintelligence?
Recursive Superintelligence — это ИИ-стартап из Сан-Франциско и Лондона, вышедший из режима скрытности в середине мая 2026 года с финансированием в 650 миллионов долларов при оценке в 4,65 миллиарда долларов. Он создает системы ИИ, которые могут автоматизировать собственные исследования и улучшать себя в рамках самовоспроизводящегося цикла.
Кто основал Recursive Superintelligence?
Ее возглавляет бывший главный научный сотрудник Salesforce Ричард Сохер с семью соучредителями, включая бывшего директора Meta* FAIR Юаньдуна Тяня, бывшего ученого DeepMind Тима Рокшташеля, автора Vision Transformer Алексея Досовицкого и бывшего руководителя Salesforce Цаймина Сюна. Питер Норвиг является советником.
Что такое рекурсивное самосовершенствование в ИИ?
Это относится к системам ИИ, которые автоматизируют части собственного развития, так что каждое улучшение делает систему лучше в создании следующего. Цель состоит в том, чтобы развитие накапливалось, а не зависело от исследователей-людей для каждого нового поколения.
Почему Юаньдун Тянь покинул Meta*?
Тянь утверждал, что крупные организации теперь несут издержки на согласование и коммуникацию, которые передовые разработки ИИ не могут поглотить, и что небольшие команды с низким уровнем трения движутся быстрее. Он ушел после почти 11 лет, чтобы стать соучредителем Recursive на этой основе.
Facebook*, Instagram* и WhatsApp* принадлежат компании Meta* Platforms Inc., деятельность которой признана экстремистской и запрещена на территории Российской Федерации.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Richard L. Wells
