Исследователи расширили JEPA Яна ЛеКуна до универсальной модели мира, работающей от физики до биологии

Исследователи расширили архитектуру JEPA, разработанную Янном ЛеКуном, так, чтобы она работала в семи совершенно разных областях. В рамках этой работы также был создан кандидат для лечения рака печени, который команда испытала в лаборатории.

Модели мира предсказывают, как будет развиваться система — будь то робот, молекула или состояние здоровья пациента. До сих пор для каждой области обычно требовалась собственная модель. Команда под руководством PhAI Labs при участии исследователей из Стэнфорда, Оксфорда и Принстона хочет показать, что одного общего принципа достаточно.

В их статье представлена JEPA-Anything, созданная на основе совместных предсказательных архитектур встраивания (JEPA). Эти модели не реконструируют исходные данные вроде пикселей, а предсказывают абстрактное описание отсутствующего или будущего состояния, отфильтровывая несущественные детали. Авторы видят слабое место стандартного подхода: всё сводится к единому предсказанию, поэтому простые закономерности в итоге заглушают более сложные.

Несколько специализированных предсказаний вместо одного

JEPA-Anything разбивает предсказываемое состояние на несколько частей, каждая из которых обрабатывается собственным модулем предсказания. Дополнительное ограничение заставляет модули фиксировать разные аспекты, а не изучать одно и то же, после чего модель собирает их частичные предсказания в целостную картину.

Исследователи не приписывают этим частям определённых значений, позволяя их ролям проявиться в процессе обучения. Вместо этого они лишь меняют способ подготовки данных для каждой области.

Значительный рост результатов в тестах динамики, неоднозначные результаты для роботов

Команда сравнила JEPA-Anything со стандартной JEPA с той же архитектурой, обученной на тех же данных в идентичных условиях. Наиболее заметный рост показали динамические системы: в упрощённой среде Pong с целенаправленными вмешательствами ошибка предсказания снизилась на 35 процентов. Для комбинаций вмешательств, которых модель не видела во время обучения, она уменьшилась на 13 процентов.

По словам авторов, JEPA-Anything стабильно превосходила базовую модель во всех десяти тестовых задачах, охватывающих физику, робототехнику и прогнозирование погоды. В задаче Бюргерса — распространённом тесте гидродинамики — ошибка в отдельной оценке снизилась почти вдвое. За 50 шагов предсказания преимущество сохранялось, но сокращалось примерно до трёх процентов. Метод также показал лучшие результаты в симуляциях воды, кварца, ацетаминофена и бензола даже после 100 шагов.

На данных отдельных клеток модель надёжнее определяла типы клеток, а на клинических данных немного лучше предсказывала более 1 000 возможных событий заболеваний. Разница в задачах на изображениях была небольшой. В планировании передвижения симулированных шагающих роботов JEPA-Anything победила в двух из трёх сред, тогда как в третьей лучшей оказалась стандартная модель.

Модель выявила лечение рака печени, и команда его испытала

Самое смелое утверждение команды связано с исследованием рака печени. Исследователи проанализировали частичные предсказания, которые модель выучила на биологических данных, включая активность генов, уровни белков и результаты CRISPR-скрининга. Лучший кандидат сочетал IL-18 — сигнальную молекулу, активирующую иммунные клетки, — с блокированием фермента CD73, который опухоли используют для подавления близлежащих иммунных реакций.

Команда испытала комбинацию на клетках рака печени, совместно культивированных с иммунными клетками, на органоидах и опухолевой ткани от трёх пациентов в каждом случае, а также на мышах. В органоидах и образцах тканей комбинация уничтожила больше опухолевых клеток, чем один только IL-18 или блокирование CD73, а Т-клетки и естественные киллеры продемонстрировали более сильную активацию. Исследование не устанавливает, может ли это стать настоящей терапией.

Во втором случае исследователи обучили модель на симулированных орбитах, не сообщая ей никаких физических величин. Оказалось, что изученные закономерности почти точно соответствуют третьему закону Кеплера, согласно которому тела на более крупных орбитах движутся гораздо медленнее. Закон устанавливает, что орбитальная частота пропорциональна размеру орбиты в степени минус 1,5; модель получила значение минус 1,4991. Команда оценила только один запуск обучения и выбрала тот, в котором ошибка была минимальной.

Авторы предупреждают, что чёткое разделение изученных частей не означает, что они отражают реальные причинно-следственные связи. Остаётся открытым вопрос, когда такая модель станет достаточно надёжной для руководства разработкой экспериментов. Это долгосрочная цель команды: ИИ-агенты будут использовать JEPA-Anything для предложения экспериментов и ранжирования их приоритетности, а затем передавать результаты обратно в модель. Код и модели доступны публично.

ЛеКун предложил JEPA в 2022 году как альтернативу генеративным моделям. В июне 2025 года Meta выпустила V-JEPA 2 — видеомодель JEPA с 1,2 млрд параметров, которая управляла роботизированными манипуляторами в незнакомых средах без дополнительного обучения. В ноябре 2025 года ЛеКун и Рэндалл Балестриеро представили продолжение — LeJEPA, теоретическую основу, призванную сохранять стабильность обучения без обычных обходных решений. Сейчас ЛеКун развивает этот подход через свой стартап AMI Labs, который в марте 2026 года привлёк более миллиарда долларов на создание моделей мира.

Google Deepmind ещё в октябре 2025 года испытала в лаборатории гипотезу о раке, созданную ИИ. Её модель C2S-Scale 27B на базе Gemma предложила препарат силмитасертиб, который делает опухолевые клетки более заметными для иммунной системы, и эксперименты с моделями человеческих клеток подтвердили это предсказание. Мультиагентная система Google Deepmind Co-Scientist теперь планирует эксперименты и управляет лабораторным оборудованием, охватывая части цикла, который хочет построить команда JEPA-Anything. Однако загружать образцы в машины по-прежнему приходится людям.

Новости ИИ без шумихи — отобраны людьми

Подпишитесь на THE DECODER, чтобы читать материалы без рекламы, получать еженедельную рассылку об ИИ, наш эксклюзивный ежегодный отчёт о передовых разработках «AI Radar», полный доступ к архиву и доступ к разделу комментариев.