Un laborator din Londra susține că a creat un agent de inteligență artificială care a obținut rezultate mai bune decât Claude Opus 4.8 și GPT-5.5 într-un test dedicat reproducerii experimentelor științifice. Faraday nu este evaluat pentru conversații sau imagini, ci pentru capacitatea de a verifica rezultatele unor lucrări fără să cunoască răspunsul final.
Agentul a fost dezvoltat de Inherent, o companie europeană fondată de foști cercetători Google DeepMind. Obiectivul echipei este să transforme AI-ul într-un partener de laborator, capabil să ajute la identificarea unor informații științifice noi.
Pentru evaluare, cercetătorii au construit setul de teste Replica, format din 310 sarcini preluate din 100 de lucrări. Materialele provin din domenii precum inteligența artificială, biologia structurală, știința materialelor și prognoza meteorologică.
Faraday primește descrierea metodei folosite într-un studiu, însă nu vede rezultatul pe care trebuie să-l reproducă. El trebuie să interpreteze procedura, să aleagă experimentele cu cele mai mari șanse de reușită și să obțină date cât mai apropiate de cele publicate inițial.
Sarcina este dificilă și pentru cercetătorii umani, deoarece lucrările științifice nu consemnează întotdeauna toate încercările nereușite sau deciziile luate pe parcurs. Potrivit rezultatelor prezentate de companie, Faraday s-ar fi descurcat mai bine decât modelele comparate inclusiv atunci când a primit lucrări care nu fuseseră folosite la antrenare.
Deși performanțele sale sunt comparate cu modele de vârf, Faraday rulează peste Qwen, un model cu 27 de miliarde de parametri. Pentru unele sarcini de programare, agentul apelează însă la GPT-5.5 Codex, astfel că funcționează mai degrabă ca un coordonator care stabilește ce trebuie investigat și transmite unui alt sistem instrucțiunile pentru scrierea codului.
Ce limite are evaluarea
Echipa descrie această capacitate de selecție a experimentelor drept „intuiție științifică”. Faraday ar fi fost antrenat să distingă pașii relevanți și să evite soluțiile rapide care pot produce un rezultat asemănător celui original fără să reproducă mecanismul real al experimentului.
Rezultatele trebuie interpretate cu prudență. Agentul a fost testat pe o sarcină precisă, nu pe toate formele de cercetare, iar Replica și Faraday au fost create de aceeași echipă, fără o confirmare independentă a superiorității față de sistemele OpenAI sau Anthropic în activitatea științifică generală.
Reproducerea experimentelor îi ajută pe cercetători să verifice cât de solide sunt descoperirile și poate scoate la iveală erori, explicații incomplete sau proceduri care merită repetate. Faraday nu este încă un cercetător autonom, dar indică o direcție în care inteligența artificială ar putea participa direct la munca de laborator, nu doar să ofere răspunsuri.