Кембриджський стартап Transfyr вийшов зі стелс-режиму із $25 млн фінансування на розробку ШІ-системи, яка фіксує неявні знання дослідницьких лабораторій — ті практичні навички науковців, що ніколи не потрапляють у протоколи експериментів.

Йдеться про дрібниці, які лаборант тримає в голові, а не в лабораторному журналі: на скільки градусів підняти температуру «на око», у якому порядку додати реагент, скільки секунд почекати перед наступним кроком. Саме втрата такого неписаного досвіду при звільненні чи переході дослідника в іншу команду — одна з причин, чому результати експериментів так важко повторити. У науковій літературі такі деталі називають tacit knowledge — знання, яке практично неможливо повністю перенести у письмовий протокол, скільки б уваги йому не приділяли.

За даними Techmeme, раунд на $25 млн вивів Transfyr із режиму стелс і став першою публічною заявою компанії про вихід на ринок інструментів для науки.

Що саме сталося з Transfyr?

Transfyr — стартап із Кембриджа, який після періоду розробки в закритому режимі оголосив про залучення $25 млн і представив ШІ-платформу, призначену фіксувати неявні знання дослідницьких лабораторій. Компанія позиціонує свій продукт як інструмент проти кризи відтворюваності науки — ситуації, коли результати експериментів складно повторити навіть за наявності опублікованого протоколу. Деталі щодо конкретного механізму запису знань та інвесторів раунду Techmeme поки не розкриває.

Чому неявне знання лабораторії — це взагалі проблема?

Криза відтворюваності — термін, яким наукова спільнота описує масштабну проблему: значна частка експериментів у біології, медицині та психології не відтворюється в незалежних лабораторіях за опублікованим описом методики. Одна з причин — методичні розділи статей описують «офіційний» протокол, а не сотні дрібних рішень, які дослідник ухвалює під час реального експерименту. Проблема не нова: про неї роками говорять у природничих і соціальних науках, але формалізованого рішення на рівні окремої лабораторії досі бракувало.

Коли носій цього знання йде з лабораторії — випускається, змінює роботу чи просто забуває деталі за кілька років, — відтворити його результат стає складніше навіть для нього самого.

Як ШІ-агенти можуть замінити ручне документування процесів?

Наш погляд у AiiN: кейс Transfyr — приклад ширшого тренду, коли AI-агенти беруть на себе документування робочих процесів там, де досі покладалися виключно на людську пам'ять і усні перекази між колегами. Схожий підхід ми вже бачили за межами науки — коли комп'ютерний зір переносять на завод для фіксації операцій, які раніше передавалися від майстра до підмайстра без жодного запису. Для AI-білдерів це означає новий клас продуктів: не чат-боти поверх існуючих документів, а системи, які спостерігають за процесом і самі створюють структуровані дані там, де їх ще ніколи не було. Ймовірно, найбільший попит на такі рішення буде саме в галузях із високою вартістю помилки та слабкою культурою документування — науці, виробництві, медицині.

Висновок AiiN

Для AI-білдерів історія Transfyr — сигнал, куди рухається цінність даних для агентів: не в черговому фреймворку для запитів до LLM, а в захопленні процесів, які досі існували лише в головах людей. Хто навчить агента спостерігати за реальною роботою і перетворювати її на структурований запис, отримає унікальний дата-сет, якого немає в жодного конкурента, — а не просто ще одну обгортку над чужою моделлю.

Що таке криза відтворюваності науки?

Це ситуація, коли значну частку опублікованих наукових результатів не вдається повторно отримати іншим дослідникам, що суворо дотримуються опублікованого протоколу експерименту. Причиною часто називають саме втрату неявних деталей методики, які автори статті не вважали за потрібне описувати.

Чим неявне знання відрізняється від протоколу експерименту?

Протокол — це формальний опис кроків, який публікується разом зі статтею. Неявне знання — це практичні навички та дрібні рішення дослідника під час виконання цих кроків, які рідко потрапляють у текст і передаються здебільшого усно або через спостереження за колегою.

Скільки грошей залучив Transfyr і на що піде фінансування?

Раунд склав $25 млн і призначений для розробки ШІ-платформи, яка фіксує неявні знання лабораторій. Наразі Techmeme не розкриває інвесторів раунду чи детальний розподіл коштів, тому ці деталі поки залишаються поза публічним полем.