Данияр Хафнер сидит в почти пустом офисе в Сан-Франциско. Название компании ещё не появилось на двери, мебели почти нет. Зато вдоль всего помещения на стойках висят гуманоиды разных форм и размеров — будто марионетки перед спектаклем, который вот-вот начнётся.
Ему 31 год. Он вырос в маленьком городке на северо-востоке Германии в семье классических музыкантов. Программированию учился у соседа, а искусственным интеллектом увлёкся ещё в школе — просто потому что хотел понять, как устроено мышление. Дальше были Google Brain, DeepMind, стажировки в Британии, Канаде, США, работа рядом с Джеффри Хинтоном и Ашишем Васвани — теми, чьи имена стоят за современным AI. Бывший руководитель Хафнера в Google Тимоти Лиллико говорит без обиняков: тот легко входит в верхние 0.5% самых сильных исследователей, с которыми ему доводилось работать, и в одиночку строил то, на что обычно уходят целые команды.
Суть работы — так называемые world models, модели мира. Вместо того чтобы учить робота методом проб и ошибок прямо в реальности (долго, дорого, иногда опасно), Хафнер создаёт для AI виртуальную симуляцию физики происходящего. Агент тренируется внутри неё, буквально «воображает» последствия своих действий, а потом переносит навыки в реальный мир. Серия моделей Dreamer показывает, на что это способно: Dreamer 2 первым достиг человеческого уровня в играх Atari, Dreamer 3 самостоятельно прошёл Minecraft Diamond Challenge, а Dreamer 4 научился этому вообще без прямого взаимодействия с игрой — просто просматривая записи чужих партий.
Последний шаг — перенос подхода на физических роботов. Проект DayDreamer уже позволял им реагировать на неожиданности вроде толчка без специальной подготовки под конкретную ситуацию. Это и есть главный барьер на пути роботов в дома и офисы: нельзя заранее обучить машину под каждую комнату, каждый диван, каждый угол коридора. Нужен интеллект, который сам разберётся на месте.
Осенью 2025 года Хафнер покинул DeepMind ради собственного стартапа, о котором пока говорит скупо. Известно, что гуманоидов он завозит из Китая и работает над тем, чтобы сделать их способными к самостоятельным действиям в непредсказуемой обстановке. На прямой вопрос о целях отвечает уклончиво, но твёрдо: он хочет решить проблему, которая изменит мир.
Во что углубиться:
- Model-based reinforcement learning: как устроены world models и чем они отличаются от обычного обучения с подкреплением
- Geoffrey Hinton и его вклад в AI: почему его называют «крёстным отцом» глубокого обучения
- Гуманоидные роботы из Китая: какие компании производят платформы, на которых тестируют подобные алгоритмы