После ухода из Meta Тянь Юаньдун объявил о стартапе

marsbitОпубликовано 2026-05-14Обновлено 2026-05-14

Введение

Бывший сотрудник Meta Тянь Юаньдун объявил о создании стартапа Recursive_SI, который разрабатывает искусственный интеллект, способный к автономным научным экспериментам и рекурсивному самоусовершенствованию (RSI). Основателями также стали Ричард Сочер (CEO), Тим Роктешел, Джефф Клун, Тим Ши, Сайминг Сюн, Алексей Досовицкий и другие ведущие эксперты, ранее работавшие в OpenAI, DeepMind, Google Brain, а также в исследовательских лабораториях Salesforce и Uber. Компания привлекла $650 млн при оценке в $4,65 млрд под руководством GV и Greycroft, при участии AMD Ventures и NVIDIA. В команду, насчитывающую уже более 25 человек, войдёт Чжугэ Минчэнь — специалист по RSI, ученик Юргена Шмидхубера, известный своими работами над системами вроде GPTSwarm и Agent-as-a-Judge. Recursive_SI фокусируется на создании ИИ, который в рамках открытого автоматизированного процесса научных открытий сможет безопасно улучшать сам себя. Команда обладает серьёзным опытом в ключевых для RSI областях: открытые алгоритмы, алгоритмы разнообразия, самообучающиеся программные агенты, автоматизированное тестирование, генеративные модели мира и трансформеры для обработки визуальных данных.

После ухода из Meta Тянь Юаньдун также начал заниматься стартапом.

Стартап Recursive_SI официально представился, опубликовав список основателей, в который входит и Тянь Юаньдун.

Помимо Тянь Юаньдуна, в состав основателей входят Ричард Сохер (CEO), Тим Роктэшель, Джефф Клун, Тим Ши, Сяо Цаймин, Алексей Досовицкий и другие.

Эти основатели участвовали в создании исследовательских лабораторий ИИ в Salesforce и Uber, занимали руководящие должности в таких командах, как OpenAI, DeepMind, Google Brain и Meta, обладая богатым научно-исследовательским и предпринимательским опытом.

Recursive_SI стремится создать искусственный интеллект, способный самостоятельно проводить эксперименты и безопасно самосовершенствоваться — непрерывно эволюционировать в процессе открытого автоматизированного научного открытия, что считается наиболее вероятным путем к сверхинтеллекту.

На данный момент Recursive привлекла 6,5 миллиардов долларов при оценке в 46,5 миллиардов долларов. Лидерами раунда стали GV (Google Ventures) и Greycroft, значительные инвестиции также внесли AMD Ventures и NVIDIA.

Команда насчитывает более 25 человек и продолжает расти, привлекая множество талантливых специалистов, включая Чжугэ Минчэня, который скоро присоединится.

Чжугэ Минчэнь в настоящее время является учредителем (Founding Member) в Recursive. Он защитил докторскую диссертацию по компьютерным наукам в Университете науки и технологий имени короля Абдаллы (KAUST) под руководством профессора Юргена Шмидхубера, известного как «отец LSTM». Его исследования в основном сосредоточены на кодирующих агентах (Coding Agents), рекурсивном самосовершенствовании (Recursive Self-Improvement, RSI) и парадигмах машин следующего поколения (Next-generation Machine Paradigms).

С 2023 года Чжугэ Минчэнь начал систематически исследовать направление рекурсивного самосовершенствования (RSI).

Во время работы над MetaGPT он выдвинул идею, что агенты должны обладать механизмами постоянной самооптимизации и эволюции способностей, и продолжал продвигать эту исследовательскую линию в последующих работах. Среди них GPTSwarm считается одной из самых ранних парадигм систем RSI в эпоху LLM, впервые систематически предложив и проверив основанную на графах (Graph-based Agents) структуру самоорганизующегося сотрудничества, реализующую координацию, обратную связь и эволюцию способностей между агентами через динамическую графовую структуру. Её ключевые идеи впоследствии были широко приняты в многочисленных работах по мультиагентным системам и Agentic AI. Работа Agent-as-a-Judge дополнительно исследовала механизмы непрерывной обратной связи и самооценки в долгосрочных задачах, пытаясь решить проблемы непрерывности и стабильной оптимизации агентов в сложных задачах. Исследование NeuralComputer было направлено на архитектуру систем ИИ следующего поколения, изучая новые машинные парадигмы, объединяющие память, рассуждение и способность к автономной эволюции.

Видно, что исследовательская команда Recursive обладает глубоким академическим опытом в области рекурсивного самосовершенствования.

Тянь Юаньдун и другие основатели анонсировали проект в X: «Мы создаем искусственный интеллект, способный автономно открывать знания и рекурсивно самосовершенствоваться — этот открытый процесс фундаментально изменит способ прогресса в науке и технологиях».

Команда находится на передовом рубеже отрасли в нескольких ключевых областях ИИ с рекурсивным самосовершенствованием.

Члены команды ранее добивались значительных прорывов в таких направлениях, как открытые алгоритмы, алгоритмы качества и разнообразия, алгоритмы генерации ИИ, самосовершенствующиеся программирующие агенты, автоматизированное краснокомандное тестирование и обнаружение возможностей, инженерия промптов и её автоматизация, генерация обучающих задач и сред, базовые мировые модели, глубокое обучение в обработке естественного языка, визуальные трансформеры, генерация с увеличением выборки (RAG), а также ИИ-ученый.

Таким образом, мы с большим нетерпением ждем дальнейших исследований Recursive_SI.

Эта статья взята с официального аккаунта WeChat «机器之心», автор: 机器之心, редактор: 机器之心编辑部

Связанные с этим вопросы

QЧто такое компания Recursive_SI и какова ее основная цель?

ARecursive_SI — это стартап, который официально представился в мае 2026 года. Его основная цель — создание искусственного интеллекта, способного автономно проводить эксперименты и безопасно самосовершенствоваться в рамках открытого автоматизированного процесса научных открытий. Этот путь считается наиболее вероятным для достижения сверхинтеллекта.

QКто входит в число основателей Recursive_SI?

AСреди основателей Recursive_SI — Тянь Юаньдун (работал в Meta), Ричард Сочер (CEO), Тим Роктэшель, Джефф Клун, Тим Ши, Цайминг Сюн, Алексей Досовицкий и другие. Участники команды ранее занимали ведущие должности в исследовательских лабораториях AI компаний Salesforce, Uber, OpenAI, DeepMind, Google Brain и Meta.

QКакова текущая финансовая ситуация и оценка Recursive_SI?

AНа данный момент Recursive_SI привлекла 6,5 миллиарда долларов США, а ее оценка составляет 46,5 миллиарда долларов. Основными инвесторами выступили GV (Google Ventures) и Greycroft, также значительные инвестиции поступили от AMD Ventures и NVIDIA.

QКаковы ключевые исследовательские направления и опыт команды Recursive_SI?

AКоманда Recursive_SI специализируется на создании искусственного интеллекта с рекурсивным самосовершенствованием (RSI). Ее члены имеют прорывной опыт в таких областях, как открытые алгоритмы, алгоритмы качества и разнообразия, самоулучшающиеся программируемые агенты, автоматизированное тестирование на уязвимости (Red Teaming), инженерия промптов, генерация обучающих сред, базовые мировые модели, глубокое обучение для NLP, Vision Transformers, RAG и создание «AI-ученых».

QЧто известно о Чжугэ Минчэне и его вкладе в Recursive_SI?

AЧжугэ Минчэнь является одним из основателей (Founding Member) Recursive_SI. Он защитил докторскую диссертацию по компьютерным наукам в KAUST под руководством профессора Юргена Шмидхубера. Его исследования сосредоточены на агентах для написания кода, рекурсивном самосовершенствовании (RSI) и новых машинных парадигмах. Его работа над GPTSwarm считается одной из ранних системных парадигм RSI в эпоху LLM.

Похожее

Маркировка Cardano как "призрачной цепи" опровергнута? Почему 34 dApps ADA не раскрывают полной картины

Термин «ghost chain» («цепь-призрак») относится к блокчейну с минимальной активностью и развитием. Хотя Cardano (ADA) обвиняют в этом из-за малого количества dApps (34 против 442 у Solana и 1564 у Ethereum) и значительно более низких показателей транзакций и пользователей, статья объясняет это архитектурными особенностями. Cardano использует модель EUTXO и механизмы батчинга (объединения транзакций), которые повышают детерминизм и безопасность, но при этом статистика «недооценивает» реальную активность в сети. При этом разработка на Cardano остается интенсивной. Автор приходит к выводу, что, несмотря на разрыв в метриках с другими ведущими блокчейнами (Ethereum, Solana, Tron), лишь одно это не является достаточным основанием для ярлыка «ghost chain», так как Cardano занимает свою нишу, делая акцент на научно обоснованный подход, безопасность и соответствие требованиям институциональных клиентов.

ambcrypto16 мин. назад

Маркировка Cardano как "призрачной цепи" опровергнута? Почему 34 dApps ADA не раскрывают полной картины

ambcrypto16 мин. назад

Запас Ethereum у Bitmine достиг $9,8 млрд: «Лучшие годы для криптовалют еще впереди»

Криптокомпания Bitmine Immersion Technologies увеличила свои запасы Ethereum (ETH) на 27 084 монеты за последнюю неделю. Теперь в её казне находится 5 700 040 ETH, что составляет 4,7% от общего предложения Ethereum и оценивается примерно в 9,01 млрд долларов по цене 1569 долларов за монету. Это произошло на фоне падения цены ETH и оттока средств из ETF-фондов Ethereum в июне. Несмотря на слабые рыночные условия и критику в адрес аналогичной стратегии накопления биткоинов компанией MicroStrategy, Bitmine продолжает агрессивно покупать ETH. Председатель Bitmine Том Ли считает, что текущая волатильность отчасти связана с «оконной отделкой» перед концом квартала, и выражает уверенность в будущем крипторынка. Компания подчеркивает свою устойчивость, отмечая ежегодный доход от стейкинга в размере около 211 млн долларов, наличие 555 млн долларов денежных средств и ликвидных ценных бумаг, а также включение в индекс Russell 1000. Ли заявил, что лучшие годы для криптовалют ещё впереди, и ожидает, что токенизация и прогресс в области искусственного интеллекта подстегнут спрос на блокчейн и децентрализованные криптоактивы.

ambcrypto1 ч. назад

Запас Ethereum у Bitmine достиг $9,8 млрд: «Лучшие годы для криптовалют еще впереди»

ambcrypto1 ч. назад

Claude и Codex, которыми вы пользуетесь каждый день, теперь нельзя использовать свободно внутри Meta

В мае Meta ввела внутренние ограничения на использование своих инженерами AI-инструментов Claude Code и Codex от Anthropic и OpenAI, несмотря на то, что является одним из крупнейших клиентов этих сервисов. Причина — не недостатки, а, наоборот, чрезмерная эффективность этих моделей. Компания разрабатывает собственного AI-ассистента для программирования MetaCode (ранее DevMate). Основная проблема, которую пытается решить Meta, — избежать «дистилляции знаний». Если данные, задачи или критерии оценки для обучения MetaCode будут созданы с помощью внешних моделей, то её собственный AI может начать копировать поведение и «знания» конкурентов, а не развивать оригинальные способности. Это стирает грань между независимо выработанными и заимствованными компетенциями. Внутренние правила запрещают использовать Claude или Codex для: 1. Генерации тестовых задач для MetaCode. 2. Поиска багов в исходном коде или анализа того, «что тестировать». 3. Размещения любого сгенерированного ими контента в среде, доступной для обучаемой модели. Разрешено применять эти инструменты только для вспомогательных задач, таких как настройка рабочих процессов или организация кода, при условии обязательной проверки человеком каждого результата. Эта ситуация отражает широкую отраслевую дилемму. Юридически «дистилляция» — использование выходных данных одной модели для обучения другой — в США не запрещена, но часто нарушает условия обслуживания компаний-разработчиков (как у OpenAI и Anthropic). Это создаёт значительные риски. Кроме того, переход на собственные решения поможет Meta сократить огромные расходы на внешние AI-сервисы, исчисляемые миллиардами долларов. Таким образом, Meta пытается балансировать, получая пользу от передовых внешних инструментов, но изолируя от них ключевые процессы разработки собственного AI. Этот кейс поднимает фундаментальный вопрос эпохи AI: когда системы помогают создавать себе подобных, всё сложнее определить, кому на самом деле принадлежат «знания» и способности итогового продукта.

marsbit2 ч. назад

Claude и Codex, которыми вы пользуетесь каждый день, теперь нельзя использовать свободно внутри Meta

marsbit2 ч. назад

Почему сегодня нам нужен подход к контенту на основе ИИ?

Недавно проект ИИ-анимации Amazon «Punky Duck» был остановлен из-за этических споров, что отражает дилемму ИИ в создании контента. Несмотря на быстрый рост ИИ-контента (например, полноценные фильмы к 2026 году и популярные короткие видео), его проникновение в традиционную киноиндустрию вызывает опасения по поводу замены человеческого творчества и утраты уникальных ценностей. В статье подчёркивается, что человеческое творчество обладает незаменимыми качествами: инновационность, трудозатраты и эмоциональная связь, основанная на личном опыте. В отличие от этого, ИИ лучше подходит для производства «культурного фастфуда» — короткого, шаблонного контента для развлечения, но не для глубокого художественного высказывания. Однако бесконтрольное развитие ИИ-контента несёт риски: удешевление производства может вытеснить авторов-людей, взрывной рост объёмов ведёт к снижению общего качества и «мусорному» контенту, а высокая скорость генерации усложняет контроль за соблюдением авторских прав и этических норм. Для регулирования этих процессов необходима новая концепция — «мировоззрение в отношении ИИ-контента», основанное на четырёх принципах: ИИ должен расширять, а не сужать пространство для человеческого творчества; уважать и защищать результаты труда людей, а не присваивать их; человек должен сохранять ведущую роль и нести ответственность в творческом процессе; процессы создания ИИ-контента должны быть прозрачными и понятными для пользователей и регуляторов. Ключевой вывод: в эпоху ИИ человек должен оставаться «рулевым» технологий. Цель — не безудержный технический прогресс, а гармоничное сосуществование, где технологии служат усилению человеческого творчества, защите культурных ценностей и обеспечению этичного развития контент-индустрии.

marsbit2 ч. назад

Почему сегодня нам нужен подход к контенту на основе ИИ?

marsbit2 ч. назад

Планка отозвали? Отец квантовой теории споткнулся об алгоритм

В цифровой базе Springer обнаружены две статьи Макса Планка, опубликованные в 1940 и 1942 годах в журнале *Die Naturwissenschaften*, помеченные как «отозванные» («retracted»). Расследование показало, что отзыв не связан с научной ошибкой или недобросовестностью, а является следствием автоматической обработки устаревшими алгоритмами платформы. Вероятно, системы распознали легитимные для той эпохи практики — переиздание речи в разных форматах или использование одинаковых заголовков в дискуссии — как «нарушение авторских прав» или «повторную публикацию» по современным нормам. В результате тексты статей на платформе заменены пустыми страницами, и для доступа к оригиналам необходимо обращаться к сторонним архивам, например, Internet Archive. Этот случай иллюстрирует проблему некритичного применения современных издательских и юридических стандартов к историческим научным материалам в процессе их оцифровки. Автоматизированные системы управления метаданными могут искажать контекст и ограничивать доступ к наследию, что особенно опасно в эпоху ИИ, когда алгоритмы формируют знание на основе подобных «отфильтрованных» данных. Инцидент ставит важные вопросы о сохранении целостности научной памяти в цифровую эпоху, контроле платформ над историческими архивами и рисках утраты контекста при обработке информации машинами.

marsbit2 ч. назад

Планка отозвали? Отец квантовой теории споткнулся об алгоритм

marsbit2 ч. назад

Торговля

Спот
活动图片