مبتكر AlphaGo يجمع 1 مليار دولار لإنشاء الذكاء الاصطناعي بدون LLMs

دافيد سيلفر، رائد التعلم التعزيزي الذي قاد إنشاء AlphaGo في جوجل ديب مايند، يجمع 1 مليار دولار في تمويل البذرة لشركة Ineffable Intelligence، وهي شركة أبحاث في لندن مبنية على فرضية أن النماذج اللغوية الكبيرة هي الطريق الخطأ إلى الذكاء الاصطناعي الفائق.

الصفقة، بقيادة شركة Sequoia Capital، ستكون أكبر جولة بذرة تم إغلاقها من قبل شركة أوروبية إذا تم الانتهاء منها. Nvidia (NVDA ) و Google (GOOGL ) و Microsoft (MSFT ) في محادثات للمشاركة، على الرغم من أن المفاوضات لا تزال جارية والشروط النهائية قد تتغير. تقدر الجولة شركة عند 4 مليار دولار قبل الأموال.

سيلفر، الذي شغل منصب نائب الرئيس للتعلم التعزيزي في ديب مايند، أضاف شركة Ineffable Intelligence بشكل هادئ في نوفمبر 2025 وتم تعيينه مديرًا في يناير 2026. مهمة الشركة، كما وصفها سيلفر، هي بناء “ذكاء فائق يتعلم بلا نهاية ويكتشف أسس جميع المعارف”.

هذا الوصف يحتوي على تحد متعمد. في صناعة تنفق مئات المليارات من الدولارات على توسيع نماذج اللغة الكبيرة المدربة على النصوص على الإنترنت، يجادل سيلفر بأن النهج بأكمله له سقف.

حالة ضد البيانات البشرية

أطروحة سيلفر مستمدة مباشرة من العمل الذي جعلته مشهورًا. في عام 2017، نشر ديب مايند سي إي أو ديميس هاسابيس وسيلفر AlphaGo Zero، وهو نسخة من AlphaGo تعلمت بالكامل من خلال اللعب الذاتي مع عدم وجود بيانات ألعاب بشرية. لقد فازت باللعبة الأصلية AlphaGo المدربة على البشر 100 مباراة إلى لا شيء.

النتيجة أصابت مجتمع الذكاء الاصطناعي بالصدمة. نظام تعلم من الصفر، من خلال التفاعل والمكافأة فقط، لم يكن مجرد مطابقة للمعرفة البشرية – بل تجاوزها بدرجة كبيرة لدرجة أن الإصدار المدرب على البشر لم يتمكن من الفوز بمباراة واحدة.

وسع سيلفر هذا النهج من خلال AlphaZero، الذي أتقن الشطرنج والشوجي وغو من الصفر، و MuZero، الذي تعلم التخطيط بدون حتى إخبارته بقواعد اللعبة التي كان يلعبها. كل نظام أيد نفس الاستنتاج: الأداء الأفضل يأتي ليس من تقليد البشر ولكن من التعلم من خلال الخبرة.

في بودكاست ديب مايند المسجل قبل رحيله، وصف سيلفر عهدين للذكاء الاصطناعي: “عصر البيانات البشرية” الحالي و “عصر الخبرة” القادم. يعتمد النماذج اللغوية الكبيرة الحالية، كما جادل، على البيانات البشرية والتعليقات، مما يخلق قيودًا متأصلة. يتطلب طريق الذكاء الاصطناعي الفائق الانتقال بعيدًا عن المعرفة البشرية تمامًا.

هذه هي فلسفة “مدرسة ألبرتا” – سميت باسم جامعة ألبرتا، حيث درس سيلفر تحت إشراف رائد التعلم التعزيزي ريتش ساتون. جادل مقال ساتون المؤثر عام 2019 “الدرس المر” بأن الأساليب التي تعتمد على المعرفة البشرية تفقد في النهاية للأساليب التي توسع الحوسبة والتعلم. يبني سيلفر شركة بأكملها على هذا المبدأ.

سباق شركة الذكاء الفائق

سيلفر ليس أول باحث عالي المستوى يغادر مختبرًا رئيسيًا وجمع مبالغ استثنائية لشركة تركز على الذكاء الفائق. أطلق إيليا سوتسكيفير، الرئيس السابق للعلم في OpenAI، Safe Superintelligence في عام 2024 مع أطروحة مماثلة – أن جهودًا مركزة خارج ضغوط شركة المنتجات يمكن أن تصل إلى الذكاء الفائق بشكل أسرع. جمع SSI منذ ذلك الحين مليارات الدولارات بتقييم يزيد عن 30 مليار دولار.

التوازي معلم. غادر كلا الباحثين المنظمات التي ساهموا في تعريفها. يعتقد كلاهما أن النموذج الحالي – توسيع نماذج اللغة الكبيرة وبيع اشتراكات الدردشة – هو طريق مسدود. وجذبا رأس المال الضخم بقوة سمعتهما فقط، قبل إنتاج أي منتج أو نشر أي نتائج.

لكن النهج يتقاطع. لم يقل سوتسكيفير الكثير عن الاتجاه الفني لشركة SSI. من ناحية أخرى، كان سيلفر واضحًا: التعلم التعزيزي، واللعب الذاتي، والتعلم من المبادئ الأولى – وليس نماذج اللغة. في حين يتناقش معظم مختبرات الذكاء الاصطناعي في كيفية جعل نماذج اللغة الكبيرة تreason بشكل أفضل، يسأل سيلفر عما إذا كان يجب أن تكون أساسًا على الإطلاق.

كما يظهر رأس المال البالغ 1 مليار دولار مدى تغير المناظير المالية للذكاء الاصطناعي بشكل كبير. اقترب Anthropic مؤخرًا من تقييم يبلغ 350 مليار دولار. زادت الضغوط التنافسية في الذكاء الاصطناعي المتقدم مع تسريع وتيرة إطلاق OpenAI و Google و Anthropic لأنماط جديدة. في هذا السياق، يبدو تقييم شركة ما قبل المنتج ب 4 مليار دولار بقيادة باحث واحد هو العادي الجديد.

من وجهة نظر Sequoia، التي تقود الجولة من خلال الشريك الإداري ألفريد لين والشريك سونيا هوانغ، الرهان بسيط: سيلفر هو واحد من خمسة أشخاص على قيد الحياة الذين لديهم ادعاء مقبول ببناء أنظمة حقًا تجاوزت الذكاء البشري في مجالات محددة. إذا كان التعلم التعزيزي هو الطريق الصحيح للذكاء الفائق العام، فهو الشخص الأكثر احتمالا لتحقيقه.

المخاطرة واضحة بنفس القدر. نجحت AlphaGo و AlphaZero في مجالات لها قواعد واضحة، ومعلومات كاملة، وإشارات مكافأة محددة جيدًا. العالم الحقيقي لا يمتلك أيًا من هذه الخصائص. توسيع اللعب الذاتي ما وراء الألعاب إلى مجالات مفتوحة – العلوم والهندسة والاستدلال – هو مشكلة لم تحل بعد التي عمل سيلفر عليها لسنوات في ديب مايند دون كسر واضح.

كما تضع قاعدة لندن لشركة Ineffable Intelligence نفسها كمرسى محتمل لطموحات الذكاء الاصطناعي الأوروبي. أنتج القارة باحثين في الذكاء الاصطناعي من الدرجة العالمية، لكنها عانى من صعوبة الاحتفاظ بهم لأن مختبرات أمريكا تقدم رواتب أكبر وبنية تحتية أسرع. يُظهر جولة بذرة أوروبية تبلغ 1 مليار دولار، مدعومة من شركة رأس المال الرائدة في وادي السيليكون، أن جغرافيا أبحاث الذكاء الاصطناعي المتقدم قد تتوسع – على الرغم من أنه من الجدير بالذكر أن Sequoia و Nvidia و Google و Microsoft جميعها مستثمرين أمريكيون.

رهان سيلفر هو أن إصرار الصناعة على نماذج اللغة الكبيرة ي представляет أقصى حد محلي – مثير للإعجاب ولكن في النهاية محدود. السؤال هو ما إذا كان التعلم التعزيزي يمكنه الهروب من البيئات المراقبة التي ازدهر فيها ويعمل في العالم الحقيقي المضطرب والمبهم. مليار دولار ومسيرة مهنية بنيت على إثبات المخالفين مخطئين يقول سيلفر إنه يعتقد أنه يمكن.