Діалог з засновником Chance AI: побачити інший шлях у світі, вийти за межі "однорідності великих моделей"

У нинішній безпрецедентній за масштабами конкуренції в сфері ШІ «великі моделі» стали відповіддю за замовчуванням для всіх компаній. Усі нарощують обчислювальні потужності, вибиваються в рейтингах, борються за захоплення різних точок доступу. Та щойно галузевий наратив починає дедалі більше збігатися, з’явилася стартап-компанія, яка майже всі ключові підходи відкидає — Chance AI.

Засновник Цзэн Сі видалив поле вводу з головної сторінки й зробив додаток зі ШІ, який не вимагає, щоб ти щось запитував: просто підняв руку й клацнув — і він допоможе інтерпретувати текстом будь-що, що ти бачиш, що більше відповідає інтуїції.

На місці Цзэн Сі сфотографував пару кросівок Air Jordan 1, і Chance AI сказав нам, що вони коштують 300 тисяч доларів США. Чому? Бо це та пара, яку Джордан носив у фіналі свого часу; він також може допомогти дівчатам розібратися в аутфіті. Зроби селфі перед виходом — і App підкаже їй, що якщо замінити шарф на шарф іншого кольору або додати сумку якогось іншого кольору, поєднання буде вищим за сумісністю.

Невдовзі, після того як у Північній Америці команду «заподружили» студенти, команда рушила назустріч голосам молодого покоління й розробила цілий ряд функцій: OOTD-розбір (щоденні образи), читання по руці, аналіз шкіри, злісні коментарі тощо.

Однієї лише інтерпретації було недостатньо: користувачі також можуть одним натисканням ділитися в спільноті, вбудованій у Chance AI. «Побачене» перетворюється на власні теми для розмов користувачів, і так доєднується група молодих людей віком 18–25 років.

CTO У Сяофань поділився з мережею «Wall Street» про те, що Chance AI вже залучив у всьому світі приблизно 250 тисяч користувачів.

Так сформувалася форма, що поступово нагадує комбінацію Google Lens + Xiaohongshu, Instagram; Chance AI також уже на старті зібрав базові елементи хіта. Причому що більше молодь користується ним, то краще він здатен вловлювати їхні реальні потреби. Цзэн Сі сказав: «У нас приблизно 200 тисяч користувачів. Кожна дівчина в Північній Америці в середньому робить 2,8 знімка з образами щодня. Це, наскільки страшний обсяг даних».

Маючи в руках багатющі ресурси великих компаній і електронної комерції, про які мріють усі, Цзэн Сі та команда не поспішають монетизувати, і не планують сліпо гнатися за модою на AI-«хард» нинішнього буму; навіть тимчасово вони не наважуються на масштабнішу рекламу, побоюючись, що інфраструктура на якийсь час не потягне «потік небувалого багатства».

Вони планують продовжувати шліфувати власного візуального агента, зробити цей «візуальний мозок» ще потужнішим, а відтак накопичувати дедалі багатші дані, формувати візуальну спільноту й пришвидшувати розгін «снігової кулі».

За умов, коли AI-продукти дедалі більше уніфікуються, Цзэн Сі став одним із небагатьох, хто вирвався з основного наративу. Та йому вдалося викопати консенсус, що спирається на людську інтуїцію: якщо 70% мозкової пропускної здатності людини йде на роботу з візуалом, то майбутній вхід для ШІ не повинен далі бути монополізований одним полем вводу.

Вибір Chance AI, можливо, є радикальним, але в дедалі більш внутрішньо-конкурентному середовищі на такому ринку, навпаки, саме через рідкість він заслуговує на особливу увагу.

Повернути взаємодію до візуального інстинкту

Коли галузь уже звикла визначати межі продукту способом «людина ставить запитання, ШІ відповідає», засновник Chance AI Цзэн Сі поставив «мозковий» запитання для «Wall Street»: «Чому очі не ростуть на дні?»

Бо в логіці еволюції людини візуал є першопричиною, а мова — лише пізнішим системним кодуванням.

Цзэн Сі зазначив: з еволюційної точки зору приблизно 70% обробки інформації в мозку людини пов’язано з візуалом — ще до появи мови людина вже покладалася на зір, щоб розпізнавати середовище, оцінювати небезпеку й бачити можливості.

За останні десять років усі провідні способи взаємодії були стандартизовані через поле вводу. Користувач має наперед знати, у чому полягає питання, має перетворити потребу на мову, а потім передати цю мову моделі.

Для більшості людей такий підхід не є природним. Людина на вулиці бачить дивну будівлю, бачить незнайоме мистецтво, бачить розмитий символ — перша реакція: «мене приваблює», а питання з’являється вже після того, як привернула увагу.

Цзэн Сі каже: «Промпт призначений для ледачого ШІ».

Його думка не полягає в тому, щоб атакувати екосистему prompt, а в тому, що в більшості випадків prompt — це людина, яка допомагає моделі працювати, заповнюючи ланцюжок міркувань, якого бракує моделі. Якщо ШІ справді достатньо розумний, йому не варто залежати від того, що людина вчить його «як ставити питання»; натомість воно має вміти через візуальні підказки самостійно розуміти, на чому сфокусований користувач.

Цзэн Сі розповів для «Wall Street» історію. Він сказав, що він є любителем мистецтва. Два роки тому він створив невеликий застосунок для сканування та пояснення зі ШІ — для підготовки виставки. Однак після завершення виставки Цзэн Сі виявив, що користуються тим застосунком аж понад 1500 людей. Після дослідження він з’ясував: у користувачів уже сформувалася м’язова пам’ять, і вони використовують це, щоб сканувати різні квіти, рослини, фільми й одяг, а далі продовжують розмовляти зі ШІ.

Насправді у Цзэн Сі дуже сильне відчуття відповідальності дизайнера: «Наше завдання — прибрати бар’єр між технологією та людьми. ШІ в очах багатьох може здаватися трохи “надто холодним”, але моя мета — зробити його більш природним і ближчим до людських інстинктивних потреб — щоб він розумів і досліджував світ через візуал».

На основі такого судження прямо була визначена форма продукту. Від першого дня Chance AI прибрав поле вводу з центрального інтерфейсу.

«Бачити» стає дією за замовчуванням, а «питати» — дією на вибір. Користувачу не треба організовувати мову, не треба наперед конструювати питання, і не треба прикладати зусилля, щоб знайти «той спосіб запитання, який ШІ найбільше любить». У галузі, де майже всі посилюють мовну взаємодію, таке рішення виглядає вкрай контртенденційним.

Та саме завдяки цьому воно уникає більшості доріжок, де моделі шикуються одна до одної. Поле вводу — це про цілеспрямованість, а візуал — про інстинкт; поле вводу наголошує на розв’язанні проблеми, а візуал — на пробудженні цікавість. Спосіб взаємодії Chance AI скоріше не схожий на інструмент, а на тренування когнітивних «м’язів».

Втім, піонери теж несуть ризики. Зараз галузь уже побудувала повний шлях для користувачів у мовній взаємодії: від пошуку до e-commerce і до режиму асистента — користувачів також усе більше тренують залежати від «поставити запитання».

Невідомо, чи справді візуал стане новою точкою входу, і навіть апаратна форма ще не дозріла. Але в дуже уніфікованій ніші Chance AI хоча б намагається зробити так, щоб питання знову стало відкритим, а не продовжувати, як усі, стискати взаємодію в один прямокутник.

Від розпізнавання до смислових міркувань

Головна «незгода» Chance AI не в тому, що він використовує камеру, а в тому, що він робить «пояснення смислу» ядром здатності ШІ.

Цзэн Сі каже, що його натхнення створити Chance AI сягає дитинства й одного огляду «Мони Лізи». «Коли я стояв перед нею — в масштабі, який здавався в рази меншим за те, що я собі уявляв, — я був сповнений очікувань, але повністю не розумів, у чому її значення. “Та хіба це не просто така маленька картина? Ну що тут особливого?” Я кинув на неї погляд і пішов».

«Люди — істоти візуальні, і водночас істоти оповідні. Нас від природи притягує те, що ми бачимо перед собою, але насправді нас по-справжньому чіпає історія, що стоїть за цим». Пізніше, коли в Цзэн Сі з’явилася нагода глибше розібратися в Леонардо да Вінчі й у історії, що стоїть за цією картиною, він нарешті зрозумів, чому її називають перлиною людської цивілізації.

Цзэн Сі говорить, що місія Chance AI — допомагати людям знаходити ці приховані історії за допомогою технологій і знімати бар’єр між людьми та світом. А щодо назви «Chance» — вона означає не лише «можливість», а й «випадковість» (contingency).

На його думку, процес біологічної еволюції залежить від випадковості, і поява людських знань та креативу часто теж походить від таких випадкових зіткнень. Chance AI прагне, з’єднуючи візуал і історії, пришвидшити перетин цих знань, щоб кожна візуальна зустріч ставала глибшою та значущішою.

Якщо озирнутися назад, то за минулий рік уся галузь зробила великий крок уперед у напрямку мультимодальності: основні моделі стали значно точнішими в розпізнаванні зображень, анотаціях і описах. Проте, за поглядом Цзэн Сі, у всіх цих здібностях майже є спільний верхній поріг: вони можуть пояснити «що це таке», але дуже складно додатково пояснити «чому це важливо».

Розуміння світу людиною ніколи не зупиняється лише на рівні фактів. Будь то розповіді про фільми, коментарі до матчів, туристичні гіди чи пояснення мистецтва — людям потрібні такі ролі, бо вони допомагають перетворювати факти на смисл, декомпресувати інформацію в історії, а те, що ми побачили, пов’язувати з ширшими культурними системами. У цьому сенсі візуал — це спосіб міркування.

Продукт Chance AI тут робить відвертий вибір. Його не влаштовує лише об’єктивний опис — натомість він намагається підняти в дію тло знань об’єкта, культурний контекст і соціальні консенсуси.

Цзэн Сі наводить приклад для «Wall Street»: камінь більше не просто «громадка валуна на бетоні», а LevitatedMass з LACMA в Лос-Анджелесі; це публічне мистецтво, на транспортування якого витратили 13 мільйонів доларів США; це метафора про структуру міських класів у США. Будівля — це не лише «майбутній хмарочос у стилі футуризму», а одна з робіт-завершень Захи Хадід; це символ того, як розквітає бутон фіолетового дерева.

Таке пояснення не генерується автоматично моделлю — це активне смислове міркування. Його передумовою є те, що модель готова втручатися, готова пояснювати й готова взяти на себе певний суб’єктивний ризик. А саме цього найбільше не хочуть робити моделі масового ринку.

У середовищі фахівців вважають, що стратегія моделей великих компаній вкрай консервативна: вони більше схиляються давати безпечну, стандартизовану й безсуперечну інформацію. А саме пояснення означає суб’єктивність, а значить і суперечності — а для великих комерційних продуктів це може роздувати ризики.

Ось чому «смислові міркування» довго залишалися «сірим поясом» у галузі. Те, що великі компанії цього не роблять, не означає, що вони не могли б — просто це може призвести до додаткових витрат. Позиціонування Chance AI дає їй змогу нести відповідальність за такі «невизначені пояснення», а також дозволяє їй рухатися далі інших на шляху «візуального розуміння».

Але у цієї моделі є й очевидні обмеження. Культурний контекст може відхилятися, смислове оповідання може перетворитися на новий різновид «AI-гадання». Чим далі модель іде в «пояснення», тим більше їй потрібно знаходити баланс між глибиною й точністю. Для великих компаній це неприпустимий ризик, а для Chance AI це — межа, яку вона має нести.

Втім, саме тому, що вона стоїть у зоні, куди гіганти неохоче заходять, вона має рідкісне вікно можливостей у часі. Вона намагається відповісти на питання: «Чи може ШІ підвищувати інтелектуальну спроможність людини?» І справді влучає в частину реальних потреб людей: у світі, переповненому інформацією, вирішувати й оцінювати важливіше, ніж мати відповідь, а розуміння — важливіше за швидкість.

Проблема Chance AI полягає в тому, що її шлях потребує терпіння, екосистеми, апаратного забезпечення й перенесення культурних звичок. Її перевага ж у тому, що вона раніше за інших усвідомила: наступна зміна точки входу для ШІ може відбутися у сфері візуалу.

У світі, де всі компанії ставлять на мовні моделі, таке судження звучить самотньо — але саме тому його варто зафіксувати.

Попередження про ризики та застереження щодо відмови від відповідальності

        На ринку є ризики, інвестуйте обережно. Ця стаття не є персональною інвестиційною порадою і не враховує спеціальні інвестиційні цілі, фінансовий стан чи потреби окремих користувачів. Користувачі мають розглянути, чи відповідають будь-які думки, погляди або висновки, викладені в цій статті, їхньому конкретному становищу. Інвестування на цій підставі — на власний ризик і відповідальність.