Теза

Мала команда дослідників ШІ з Пало-Альто вийшла з тіней цього місяця з великою новиною ще більшими амбіціями. NeoCognition, заснована провідними академіками Університету штату Огайо, оголосила про серію початкового фінансування на $40 мільйонів 21 квітня 2026 року. Цей інвестичний раунд, який перевищив запит, був зібраний від досвідчених інвесторів, які прагнуть розширити межі ШІ за межі сьогоднішніх, часто несмілих і не дуже влучних інструментів.

 

NeoCognition хоче вирішити ключову слабкість сучасних AI-агентів — їхню неможливість надійно виконувати роботу експертного рівня, створюючи системи, які неперервно вчаться на практиці, будують детальні моделі своїх робочих середовищ і перетворюються на спеціалістів, подібно до того, як люди засвоюють нову професію.

Ю Су, доцент Університету штату Огайо та стипендіат Sloan Research 2025 року, протягом років розробляв фундаментальні інструменти для AI-агентів ще до того, як ChatGPT привернув увагу громадськості. Його команда створила впливові проекти, такі як Mind2Web, MMMU та SeeAct, які вплинули на те, як сучасні великі мовні моделі виконують планування, сприйняття та дії. Ці досягнення використовуються в системах OpenAI, Anthropic та Google сьогодні.

 

Су та співзасновники Сян Денг і Ю Гу вирішили, що настав час перетворити свої дослідження на компанію. Вони переїхали до Кремнієвої долини й зібрали невелику групу з близько 15 дослідників з докторським ступенем, які зосереджувалися виключно на агентах. Ранні роботи лабораторії вже охоплювали ключові компоненти, такі як пам’ять, планування, оцінка та безпека. Інвестори побачили цей глибокий багатий таланти і швидко діяли. Розмір інвестицій у 40 мільйонів доларів надає команді можливість перетворити академічні прориви на практичні, самовдосконалюючі системи, яким підприємства можуть довіряти для реальних завдань.

 

Досвід Су включає роботу в Microsoft Semantic Machines над розмовним штучним інтелектом, а також ступені з Цінхуа університету та UC Santa Barbara. Його рекорд з отримання нагород за найкращі статті на провідних конференціях, таких як CVPR і ACL, надав підтримувачам впевненість, що NeoCognition зможе вирішити складні проблеми у цій галузі. Засновники об’єднали більше 30 років загального досвіду у дослідженнях агентів, позиціонуючи стартап як чисту дослідницьку лабораторію з комерційними цілями.

Багато сучасних AI-агентів мають проблеми зі сталістю при виконанні складних завдань. Звіти свідчать, що вони успішно виконують їх лише приблизно в половині випадків, змушуючи користувачів постійно контролювати вихідні дані або вносити велику кількість ручних змін. Ця прогалина проявляється у всіх інструментах, які намагаються писати код, переглядати інформацію або автоматизувати робочі процеси. Люди кожен раз змушені робити стрибок віри, коли впроваджують такі агенти.

 

NeoCognition спрямовує цю саму проблему. Універсальні агенти добре справляються з загальними відповідями, але не вдаються, коли важлива глибина та надійність. Їм бракує механізмів для глибокого адаптування до конкретних умов, таких як внутрішній програмний стек компанії чи галузеві робочі процеси. Як наслідок, підприємства неохоче передають відповідальність за важливі завдання. Стартап вважає, що шлях вперед полягає у наданні агентам такої ж пластичності, яку демонструють люди, коли вступають на нову роботу чи в нову галузь.

 

Зосереджуючись на постійному навчанні, а не одноразовому навчанні, компанія сподівається підвищити рівень успішності та зменшити потребу у постійному людському контролі. Ця зміна може відкрити двері для агентів, які виглядатимуть більше як здатні колеги, ніж хрупкі скрипти.

Основна ідея NeoCognition безпосередньо походить з людського навчання. Коли люди починають нову роль, вони поступово створюють внутрішню карту того, що існує в цьому середовищі, які дії працюють, які правила застосовуються та які наслідки виникають з різних виборів. З часом ця ментальна модель дозволяє приймати швидші рішення, краще судити та творчо вирішувати проблеми в цьому мікросередовищі.

 

Стартап створює агентів, які виконують подібні завдання шляхом автономного досвіду. Замість того щоб покладатися виключно на масивні дані попереднього навчання, ці системи вивчають структуру, робочі процеси та обмеження будь-якої галузі, в якій вони діють. Вони створюють «модель світу», яка відображає взаємозв’язки та динаміку, властиві професії, організації чи програмному середовищу. Цей процес відбувається прямо під час роботи, дозволяючи агенту швидко спеціалізуватися без інтенсивного ручного проектування.

 

Су пояснює паралель чітко: постійний процес навчання у людей суттєво формує світову модель для будь-якої професії чи середовища. Агентам потрібна така ж здатність, щоб досягти статусу експерта. Після створення модель робить дії швидшими, дешевшими та надійнішими. Вона також сприяє безпечнішій поведінці в чутливих середовищах, оскільки агент краще розуміє наслідки та межі. Цей механізм відрізняється від статичних універсальних систем, які залишаються незмінними після розгортання. Агенти NeoCognition продовжують вдосконалюватися за допомогою використання, перетворюючи початкові універсальні здібності на глибоку, контекстно-освідому майстерність.

Індустрія ШІ вкладала ресурси у все більші фундаментальні моделі, які намагаються вирішувати все. NeoCognition займає протилежну позицію. Майбутнє, у їхньому розумінні, належить величезній кількості спеціалізованих агентів, а не одному суперагенту. Кожен з них глибоко володіє своєю вузькою сферою, щоб забезпечити експертний рівень продуктивності, надійності та судження.

 

Загальні системи досягають плато, де додавання більше даних або параметрів дає зменшену віддачу для реальних завдань, які вимагають нюансів і послідовності. Спеціалізація через життєвий досвід пропонує більш ефективний шлях до високої продуктивності. Агенти можуть зосередити обчислювальні зусилля на глибокому розумінні одного середовища, що призводить до кращих результатів при нижчих постійних витратах.

 

Цей підхід також масштабує експертизу способами, які людям не під силу. Хоча найкращі людські фахівці залишаються рідкісними й дорогими, агенти з самонавчанням можуть зробити знання галузевого рівня доступними для всіх організацій без таких ж самих кадрових обмежень. Компанія прагне розширити доступ до експертизи, щоб більше людей і команд користувалися передовими можливостями.

Vista Equity Partners приєднався до раунду частково через великий портфель програмних компаній. NeoCognition бачить великий потенціал у співпраці з встановленими SaaS-платформами для інтеграції самонавчаючих агентів. Ці агенти можуть оновлювати існуючі продукти або функціонувати як автономні працівники всередині знайомих інструментів, якими вже користуються компанії.

 

Підприємства часто використовують складні, спеціалізовані середовища з унікальними правилами та потоками даних. Загальний агент важко працює тут без масштабної налаштування. Системи NeoCognition вивчають ці особливості безпосередньо через взаємодію, скорочуючи час налаштування та покращуючи адаптацію. Протягом тижнів або місяців використання агент удосконалює свою модель світу та стає більш ефективним у завданнях, таких як обробка даних, перевірка відповідності або автоматизація робочих процесів.

 

Стартап позиціонує себе як лабораторію агентів, а не як універсальну платформу ШІ. Цей фокус дозволяє зосередити ресурси на шарі навчання та спеціалізації, який багато інших учасників вважають другорядним. Раннє розповсюдження через партнерів з корпоративного програмного забезпечення може прискорити адаптацію та надати багатий реальний даних для подальших покращень.

Капітал Cambium та Walden Catalyst Ventures спільно очолили раунд на $40 мільйонів, при цьому участь взяли Vista Equity Partners та відомі ангельські інвестори. Ліп-Бу Тан, генеральний директор Intel, та Іон Стоїка, співзасновник Databricks, додали свої імена та експертизу. Іншими інвесторами є дослідники з області штучного інтелекту, зокрема Дон Сонг, Руслан Салахутдінов та Люк Цетлемер.

 

Ландон Даунс із Cambium зазначив новий механізм навчання, що лежить в основі компанії і дозволяє швидко спеціалізуватися. Ліп-Бу Тан високо оцінив всебічний огляд командою викликів агентів — від сприйняття до безпеки. Іон Стоїка зауважив, що зі ставанням загальних агентів стандартом, справжній випробування зміщується на досягнення інтелекту рівня експерта з надійністю, необхідною для серйозних застосувань.

 

Переповнений раунд свідчить про сильну віру в наукову підготовку засновників. З командою близько 15 осіб, NeoCognition працює стисло, але з винятковою концентрацією талантів. Капітал буде використано для глибшого експериментування та найму, щоб просунути архітектуру самонавчання далі.

Кілька компаній досліджують AI-агенти, але більшість з них все ще залежать від періодичного переосвітлення або підказок, створених людиною, для покращення. NeoCognition зосереджується на внутрішньому, автономному процесі, за яким агенти створюють та вдосконалюють власне розуміння без постійного зовнішнього втручання. Такий підхід спрямований на справжню пластичність — здатність швидко адаптуватися до нових умов, подібно до мотивованого нового працівника.

 

Акцент на світових моделях абстрактних, структурних та операційних середовищ виходить за межі простого сприйняття екрану або базового використання інструментів. Агенти вчаться, що важливо в певному мікросередовищі, як елементи взаємодіють та які дії призводять до бажаних результатів. Ця структурована знання підтримує краще планування та менше помилок з часом.

 

Засновники підкреслюють, що їхні системи доповнюють, а не замінюють людську працю. Обробляючи повторювані або складні рутинні завдання зі зростаючою експертизою, агенти дозволяють людям зосередитися на більш високорівневій креативності та стратегії. Мета полягає у підвищенні загальних можливостей команд та організацій.

Ю Су та його співзасновники натхнення шукали у повсякденній адаптації людини. Подивіться, як хтось починає як молодший аналітик або учень-торгівельник. Через кілька місяців вони розвивають інтуїтивне розуміння невиписаних правил, скорочень і небезпек своєї галузі. Ця внутрішня модель забезпечує ефективність та обґрунтовані рішення. NeoCognition хоче, щоб агенти йшли паралельним шляхом через цілеспрямоване, засноване на досвіді навчання.

 

Члени команди приносять особисту приверженість цій ідеї. Багато з них походять з академічних лабораторій, де спостерігали, як перспективні прототипи агентів зіткнулися з реальною складністю. Розчарування від непослідовних результатів спонукало перейти до комерціалізації з чітким акцентом на постійне вдосконалення.

 

Ранні співробітники включають дослідників, які зробили внесок у фундаментальні статті, що зараз використовуються в усьому індустрії. Їхній спільний досвід створює родючу середовище для ітерацій механізмів навчання. Головний офіс у Пало-Альто тримає команду близько до талантів і партнерів, зберігаючи при цьому культуру, спрямовану на дослідження.

Якщо NeoCognition вдасться, організації зможуть впроваджувати агентів, які розвиватимуться у надійних фахівців у галузях бухгалтерії, огляду дизайну, робочих процесів підтримки клієнтів або наукового аналізу даних. Ці системи не потребуватимуть постійного перепрограмування для кожного нового клієнта або відділу. Натомість вони адаптуються, створюючи точні моделі цільового середовища.

 

Ця можливість може демократизувати доступ до підтримки експертного рівня. Менші команди або регіони з нестачею кадрів можуть отримати інструменти, які працюють на рівні, раніше доступному лише добре забезпеченим групам. Економічні наслідки можуть включати збільшення продуктивності та прискорення циклів інновацій, оскільки рутинна когнітивна робота переходить до здатних, самовдосконалюваних систем.

 

Підхід також вирішує питання безпеки. Глибше розуміння оточення допомагає агентам визначати межі та уникати шкідливих дій у галузях з високим рівнем ризику. Зростання надійності має найбільше значення там, де помилки мають реальні наслідки.

Створення міцних циклів самонавчання супроводжується технічними труднощами. Агенти повинні розрізняти корисні закономірності від шуму, уникати підсилення помилок та забезпечувати стабільність під час оновлення своїх моделей світу. Баланс між дослідженням нових стратегій та надійним виконанням вимагає обережної архітектури. Ефективність даних також має значення. Люди вчаться на обмеженій кількості прикладів у нових умовах; масштабування такої ефективності в напівпровідниках залишається відкритою науковою проблемою. 

 

Команда NeoCognition використовує попередні дослідження у галузі оцінки та пам’яті для вирішення цих проблем, але реальні тести у великих масштабах виявлять прогалини. Компанія зосереджена на вимірюваному прогресі до вищих показників успішності та швидшої спеціалізації. Прогрес, ймовірно, буде надходити поступово, коли агенти зустрічатимуть різноманітні підприємницькі середовища та вдосконалюватимуть свої процеси навчання.

NeoCognition уявляє світ, де експертні знання стають доступними завдяки агентам самонавчання. Ці системи не конкурують з людьми, а розширюють їхні можливості й відкривають нові шляхи для винаходів та вирішення проблем. Кожен агент глибше освоює певну сферу, створюючи мережу спеціалізованого інтелекту, яка задовольняє різні потреби. Інвестиції в $40 мільйонів прискорюють дослідження механізмів навчання, які роблять це бачення можливим. 

 

З міцною підтримкою інвесторів та талановитою основною командою лабораторія має за мету створити агентів, які здобудуть довіру завдяки постійному та покращуваному виконанню. Підприємства та розробники можуть скоро протестувати системи, які починають як компетентні й стають справжніми експертами з часом. Ця еволюція може стати значним кроком далі за сучасних AI-асистентів — до партнерів, які справді вчаться разом із користувачами.

Новий капітал підтримує розширене експериментування з основними алгоритмами навчання та побудовою світових моделей. З невеликою, але елітною командою NeoCognition може досліджувати високоризикові та високодоходні напрямки у сфері пластичності агентів. Плани включають глибше інтеграційне тестування в корпоративних середовищах для збору відгуків та даних для вдосконалення.

 

Інвестори очікують, що фінансування дозволить створити прототипи, які демонструють чіткі переваги щодо надійності та швидкості адаптації. Успіх у цьому напрямку може привернути додаткові раунди фінансування та ширші партнерства. Дослідницький підхід тримає компанію на землі, зосереджуючи увагу на строгій оцінці, а не на передчасному виведенні продуктів.

Оточення підприємницького програмного забезпечення пропонує багаті тестові середовища, наповнені структурованими, але складними правилами. Агенти зустрінуть різноманітні робочі процеси, схеми даних та вимоги до відповідності. Навчання успішно орієнтуватися в них підтвердить концепцію світової моделі та виділить області для покращення.

 

Відгук користувачів з ранніх пілотних проектів допоможе налаштувати, як агенти балансують швидкість, точність і безпеку. Компанія зробила акцент на відповідальному розробленні, використовуючи розуміння оточення для керування безпечнішими діями. З часом ці реальні впровадження повинні створити агентів, які будуть почуватися все більш природно й надійно в щоденних операціях.

Великі суми зараз потікають до рівнів застосунків та надійності, а не лише на навчання передових моделей. Раунд NeoCognition підкреслює інтерес інвесторів до команд з доведеними академічними досягненнями в галузі агентів. Ставка робиться на спеціалізацію та неперервне навчання як наступну межу для практичного впливу.

 

Цей шаблон свідчить про дозрівання очікувань у галузі. Інвестори шукають системи, які забезпечують вимірювану цінність у реальних умовах, а не лише вражаючі демонстрації. Орієнтація NeoCognition на самовдосконалення відповідає вимогам до агентів, які обґрунтовують впровадження в бізнесі через зростання здатностей та зниження довгострокових витрат.

1. Як підхід NeoCognition до AI-агентів відрізняється від більшості сучасних систем? 

 

Компанія створює агентів, які навчаються безперервно в процесі роботи, побудовуючи світові моделі своїх конкретних середовищ. Це дозволяє їм швидко стати експертами, вирішуючи проблему нестабільності, яка обмежує сучасних універсальних агентів, що часто успішно виконують складні завдання лише приблизно в половині випадків.

 

2. Хто заснував NeoCognition і чим їхній досвід відрізняється? 

 

Ю Су, Сян Денг і Ю Гу заснували лабораторію. Су, дослідник Sloan та професор Університету штату Огайо, раніше керувала впливовими дослідженнями агентів і працювала в Microsoft над розмовним штучним інтелектом. Їхні спільні статті та інструменти вплинули на ключових розробників ШІ, надавши команді глибоку експертизу в галузях сприйняття, планування та безпеки.

 

3. На що будуть витрачені 40 мільйонів доларів США? 

 

Капітал підтримує дослідницький напрямок, спрямований на розробку та тестування механізмів самонавчання. З невеликою командою дослідників з докторським ступенем, ці кошти дозволяють швидко ітерувати над побудовою світових моделей, алгоритмами спеціалізації та пілотними проектами інтеграції підприємств, а також привертають додаткових фахівців.

 

4. Чи можуть ці самонавчаючі агенти працювати відразу в підприємстві з високим рівнем ризику? 

 

Ранні версії потребуватимуть уважної перевірки, але дизайн зосереджений на створенні розуміння середовища для підвищення надійності та безпеки. Мета полягає у створенні агентів, які з часом стають більш надійними завдяки використанню, роблячи їх підходящими для робочих процесів, де важлива послідовність.

 

5. Як технологія NeoCognition може вплинути на працівників, що працюють з інформацією? 

 

Агенти можуть виконувати рутинні або інтенсивні за обсягом даних завдання, звільняючи людей для творчої та стратегічної роботи. Зробивши спеціалізовану експертизу більш доступною, ці системи можуть допомогти меншим командам чи організаціям отримати можливості, які раніше були обмежені великих групами експертів, що потенційно підвищить загальну продуктивність.

 

6. Де я можу дізнатися більше про прогрес NeoCognition? 

 

Відвідайте офіційний сайт, щоб отримувати оновлення щодо їхньої місії та напрямків досліджень. Матеріали в TechCrunch та прес-реліз компанії є надійними вихідними точками для ознайомлення з фінансуванням та технічною концепцією.

Цей матеріал має лише інформаційний характер і не є інвестиційною порадою. Інвестиції у криптовалюту супроводжуються ризиками. Будь ласка, проводьте власне дослідження (DYOR).

 

Відмова від відповідальності: Для вашої зручності цю сторінку було перекладено за допомогою технології ШІ (на базі GPT). Для отримання найточнішої інформації дивіться оригінальну англійську версію.