Новый ИИ-стартап собрал $480 млн, чтобы научить ИИ не только думать — но и работать вместе с людьми
Humans& считает, что координация станет новой вехой для ИИ и строит модель, чтобы это доказать
Generated by DALL·E
Humans& о следующем этапе эволюции искусственного интеллекта
ИИ-модели заметно продвинулись в ответах на вопросы, обобщении текстов и решении задач для одного пользователя. Однако они по-прежнему проектируются как одиночные помощники, а не как участники коллективной деятельности в многопользовательской среде, где важно координировать действия, учитывать разные интересы и сохранять согласованность решений во времени.
Стартап с амбициями
Humans&, основанный ветеранами Anthropic, Meta, OpenAI, xAI и Google DeepMind, считает, что следующая большая цель в развитии ИИ — научить модели социальному интеллекту, а не только информационной или вычислительной мощности. Именно такую архитектуру компания хочет доказать и реализовать через новый проект.
В январе 2026 года стартап объявил о привлечении $480 миллионов в посевном раунде, которые пойдут на разработку «центральной нервной системы» для экономики, где люди и ИИ работают в связке, а не по отдельности.
Что именно они строят
Бизнес-и технологическая логика Humans& заключается не просто в создании ещё одного чат-бота, а в разработке фундаментальной модели, ориентированной на коммуникацию и коллективную работу между людьми и машинами.
Команда подчёркивает, что нынешние ИИ-инструменты обучены хорошо реагировать на запросы, но у них отсутствует понимание социальной динамики — умение задавать вопросы, направленные на лучшее понимание человека и контекста, а не только формирование ответов.
Это отражает шире обсуждаемую идею в ИИ-сообществе: модели должны выходить за рамки решения одиночных задач и переходить к роли партнёров в коллективной деятельности, где важно согласовывать цели и учитывать разные точки зрения.
Подход к обучению модели
Humans& планирует использовать методы обучения, которые позволят создавать систему, способную планировать, действовать, адаптироваться, а затем развиваться вместе с пользователем и другими агентами в долгосрочной перспективе. Это включает тренировки, в которых модель не только отвечает на запросы, но учится работать в многопользовательской среде и учитывать последовательность действий в течении времени.
Такая стратегия опирается на современные подходы, включающие многопользовательное обучение и методы обучения с длительной последовательностью действий, что усиливает способность ИИ к координации задач и целей.
Возможные трудности
Несмотря на высокий интерес инвесторов и силу команды основателей, путь к созданию по-настоящему координирующего ИИ остаётся сложным: большая часть затрат уходит на разработку и тренировку моделей, а конкуренция с крупными игроками на этом поле — напряжённая.
Кроме того, у компании пока нет готового продукта — решение, которое можно непосредственно протестировать пользователям или предприятиям.