Лиам Федус, один из создателей ChatGPT, и Догуш Чубук, ранее руководивший группами физиков в Google DeepMind, объединили усилия для создания нового амбициозного стартапа — Periodic Labs. Их цель — создать «ИИ-физика», способного не просто имитировать человеческую речь, но и совершать научные открытия в реальном мире, используя физические эксперименты как основной инструмент обучения.
🏋️♂️ От переворачивания шин до квантовой механики: история основания 1:01
История Periodic Labs началась восемь лет назад в тренажерном зале Google Brain. Лиам Федус и Догуш Чубук познакомились, когда пытались перевернуть огромную покрышку, с которой невозможно было справиться в одиночку . Этот момент стал метафорой их будущего сотрудничества: решение задач, непосильных для одного человека или одной дисциплины.
Долгое время они работали в разных направлениях: Лиам занимался большими языковыми моделями (LLM) и стоял у истоков ChatGPT, а Догуш руководил исследованиями на стыке ИИ и материаловедения в DeepMind. Переломный момент наступил, когда они осознали, что LLM стали достаточно зрелыми, чтобы стать «гражданами первого класса» в физических исследованиях . Лиам заметил, что чат-боты помогают ему вспоминать забытые концепции химии и писать сложные симуляции, что натолкнуло их на мысль: ИИ должен не просто помогать ученому, а сам стать ученым .
В итоге они покинули свои посты в OpenAI и DeepMind, чтобы основать Periodic Labs. По их мнению, физика — идеальная среда для ИИ, потому что она верифицируема, обладает быстрыми циклами итераций и имеет четкую «функцию вознаграждения» .
🧪 Теория «физического вознаграждения»: почему ChatGPT не умеет делать науку 4:17
Основная проблема современных моделей, по словам основателей, заключается в том, что они оптимизированы под цифровой мир. ChatGPT создавался с помощью обучения с подкреплением на основе предпочтений человека (RLHF), где «правильность» определялась тем, нравится ли ответ пользователю . Позже модели стали оптимизировать под математическую и логическую корректность, используя программно проверяемые ответы .
Periodic Labs предлагает принципиально иной подход:
- Природа как среда обучения: Вместо человеческих оценок или кода, основной «функцией вознаграждения» (reward function) для ИИ в Periodic Labs становится реальный физический эксперимент .
- Эксперимент в контуре (Experiment in the loop): Модель выдвигает гипотезу, проводит симуляцию, а затем проверяет её в автоматизированной лаборатории. Если симуляция расходится с реальностью, модель корректирует свои веса на основе данных «земной истины» .
- Устранение «шума» литературы: В научных публикациях редко пишут об отрицательных результатах. По мнению Лиама, валидный отрицательный результат — это ценнейший сигнал для обучения, который их лаборатория будет генерировать в огромных количествах .
Основатели утверждают, что без итераций в реальном мире ИИ никогда не выйдет за пределы статистического повторения существующих знаний. «Если вы запереть самого умного человека в комнате без возможности проводить опыты, он не откроет ничего важного» .
🧊 Сверхпроводимость как «Полярная звезда» стартапа 12:38
Первой конкретной целью Periodic Labs стала высокотемпературная сверхпроводимость. На сегодняшний день рекорд для материалов при обычном давлении составляет около 135 Кельвинов .
Выбор этой области обусловлен несколькими причинами:
- Проверка гипотезы: Если команде удастся синтезировать материал, работающий при 200 Кельвинах, это станет неоспоримым доказательством того, что их метод работает .
- Техническое преимущество: Сверхпроводимость — это фазовый переход, который относительно устойчив к микродефектам, что делает его более подходящим для текущих возможностей симуляции и синтеза, чем другие свойства материалов .
- Фундаментальное значение: По мнению Догуша, обнаружение квантовых эффектов при таких высоких температурах радикально изменит представление человечества о Вселенной, даже до того, как будет создан коммерческий продукт .
Для достижения этой цели стартап строит лабораторию порошкового синтеза. Роботизированные системы, напоминающие кофейных роботов в аэропортах, будут смешивать порошки и запекать их в печах, создавая новые материалы под управлением ИИ .
🏗️ Коммерческая стратегия: от фундаментальной науки к тяжелой индустрии 26:12
Несмотря на научную направленность, Periodic Labs — это коммерческий стартап. Лиам и Догуш видят огромный рынок в создании «второго пилота» (co-pilot) для инженеров в отраслях с огромными бюджетами на НИОКР (R&D) :
- Космическая промышленность;
- Оборонный сектор;
- Производство полупроводников.
Инвестиционный тезис: Periodic Labs стремится стать «интеллектуальным слоем» для продвинутого производства. Вместо простой выдачи информации из баз данных (RAG), они планируют использовать «промежуточное обучение» (mid-training) — внедрение глубоких физических знаний напрямую в веса моделей .
Лиам утверждает, что существующие модели могут быть отличными программистами, но они никогда не вылечат рак и не создадут новый сплав, потому что нужных данных просто нет в интернете . Periodic Labs планирует продавать не просто чат-бота, а систему, способную ускорять циклы разработки материалов и оптимизировать производственные процессы .
👥 Команда и культура: 50% кода, 50% физики 28:45
В компании сейчас работает около 30 человек . Команда разделена поровну между экспертами по машинному обучению и физиками/химиками. Одной из главных задач основатели считают «перекрестное опыление» культур.
Особенности внутренней работы:
- Еженедельные сессии: Исследователи ИИ обучают физиков работе с RL-циклами, а ученые рассказывают разработчикам о квантовой механике и истории науки .
- Отсутствие «глупых вопросов»: Основатели поощряют ситуацию, когда эксперт в одной области задает элементарные вопросы в другой .
- Смена парадигмы: Программисты учатся воспринимать физические законы как API, где есть входные и выходные данные .
Догуш отмечает, что даже лучшие физики сегодня специализируются в очень узких нишах. ИИ — единственный способ объединить знания о синтезе, кристаллографии и квантовой теории в одной «голове» .
🎓 Связь с академией и будущее 45:27
Periodic Labs активно сотрудничает с университетами, так как большая часть инструментов симуляции (например, на языке Fortran) была создана именно в академической среде . Компания запустила два важных проекта:
- Консультативный совет: В него вошли такие светила науки, как Чжэ-Сюань Шэнь (Z.X. Shen) из Стэнфорда и Стивен Кивелсон .
- Грантовая программа: Стартап планирует финансово поддерживать академические исследования, которые не вписываются в коммерческие рамки, но важны для сообщества .
Главное требование к кандидатам в Periodic Labs — «чувство срочности» . Основатели не хотят ждать 10 лет, пока ИИ начнет трансформировать науку. Их цель — получить результаты «как можно скорее», используя масштабируемые законы обучения (scaling laws) не только для текста, но и для физической реальности .
