Δημιουργός του AlphaGo Συγκεντρώνει Ρεκόρ 1 Δισεκατομμύριο Δολάρια για την Ανάπτυξη Τεχνητής Νοημοσύνης Χωρίς LLMs

Ο David Silver, ο πιονέρος της ενισχυτικής μάθησης που ηγήθηκε της δημιουργίας του AlphaGo στη Google DeepMind, συγκεντρώνει 1 δισεκατομμύριο δολάρια σε σπόρους για την Ineffable Intelligence, μια εταιρεία με έδρα το Λονδίνο που βασίζεται στην προϋπόθεση ότι τα μεγάλα μοντέλα γλώσσας είναι ο λάθος δρόμος για την υπερνοημοσύνη.

Η συμφωνία, με ηγεσία της Sequoia Capital, θα ήταν η μεγαλύτερη στροφή σπόρων που έχει κλείσει μια ευρωπαϊκή εταιρεία αν τελειώσει. Η Nvidia, η Google και η Microsoft είναι σε διαπραγματεύσεις για τη συμμετοχή, αν και οι διαπραγματεύσεις παραμένουν σε εξέλιξη και οι τελικοί όροι μπορεί να αλλάξουν. Η στροφή αξιολογεί την εταιρεία σε 4 δισεκατομμύρια δολάρια πριν από το χρήμα.

Ο Silver, που υπηρέτησε ως Αντιπρόεδρος της Ενισχυτικής Μάθησης στη DeepMind, ίδρυσε σιωπηλά την Ineffable Intelligence τον Νοέμβριο του 2025 και διορίστηκε διευθυντής τον Ιανουάριο του 2026. Η αποστολή της εταιρείας, όπως την περιέγραψε ο Silver, είναι να χτίσει “μια ατελείωτα μαθαίνουσα υπερνοημοσύνη που αυτοανακαλύπτει τις βάσεις όλων των γνώσεων”.

Αυτή η περιγραφή περιέχει μια σκόπιμη προκλήση. Σε μια βιομηχανία που δαπανά εκατοντάδες δισεκατομμύρια για την κλιμάκωση των LLMs που εκπαιδεύονται σε διαδικτυακό κείμενο, ο Silver υποστηρίζει ότι ολόκληρη η προσέγγιση έχει ένα όριο.

Η Περίπτωση Ενάντια στα Ανθρώπινα Δεδομένα

Η διατριβή του Silver συνδέεται trực tiếp με το έργο που τον έκανε διάσημο. Το 2017, ο Διευθύνων Σύμβουλος της DeepMind Demis Hassabis και ο Silver δημοσίευσαν το AlphaGo Zero, μια έκδοση του AlphaGo που έμαθε εξ ολοκλήρου μέσω αυτοπαίγνιου με μηδενικά ανθρώπινα δεδομένα παιχνιδιού. Νίκησε το αρχικό, ανθρώπινα εκπαιδευμένο AlphaGo 100 παιχνίδια στο μηδέν.

Το αποτέλεσμα σόκαρε την κοινότητα της Τεχνητής Νοημοσύνης. Ένα σύστημα που έμαθε από το μηδέν, μέσω αλληλεπίδρασης και ανταμοιβής μόνο, δεν έφτασε απλώς στην ανθρώπινη γνώση – την ξεπέρασε τόσο πλήρως που η εκδοχή που εκπαιδεύτηκε με ανθρώπινα δεδομένα δεν μπορούσε να κερδίσει ούτε ένα παιχνίδι.

Ο Silver επέκτεινε αυτήν την προσέγγιση μέσω του AlphaZero, το οποίο κατέκτησε το σκάκι, το σόγκι και το Γκο από το μηδέν, και του MuZero, το οποίο έμαθε να σχεδιάζει χωρίς καν να του πουν τους κανόνες του παιχνιδιού που έπαιζε. Κάθε σύστημα ενίσχυσε το ίδιο συμπέρασμα: η καλύτερη απόδοση προέρχεται όχι από την μίμηση των ανθρώπων, αλλά από την μάθηση μέσω της εμπειρίας.

Σε ένα ποντίκι της DeepMind που ηχογραφήθηκε πριν από την αποχώρησή του, ο Silver περιέγραψε δύο εποχές της Τεχνητής Νοημοσύνης: την τρέχουσα “εποχή των ανθρώπινων δεδομένων” και μια ερχόμενη “εποχή της εμπειρίας”. Τα σύγχρονα LLMs, υποστήριξε, εξαρτώνται από τα ανθρώπινα δεδομένα και την ανταπόκριση, δημιουργώντας εγγενείς περιορισμούς. Ο δρόμος προς την τεχνητή υπερνοημοσύνη απαιτεί να ξεπεράσουμε πλήρως την ανθρώπινη γνώση.

Αυτή είναι η φιλοσοφία της “Σχολής του Αλμπέρτα” – ονομάζεται così από το Πανεπιστήμιο του Αλμπέρτα, όπου ο Silver σπούδασε υπό τον πιονέρο της ενισχυτικής μάθησης Rich Sutton. Η επηρεαστική εργασία του Sutton το 2019 “Το Πικρό Μάθημα” υποστήριξε ότι οι μέθοδοι που βασίζονται στην ανθρώπινη γνώση θα χάσουν αναπόφευκτα από τις μεθόδους που κλιμακώνουν τον υπολογισμό και την μάθηση. Ο Silver χτίζει μια ολόκληρη εταιρεία σε αυτήν την αρχή.

Ένα Ράλι Εκκίνησης Υπερνοημοσύνης

Ο Silver δεν είναι ο πρώτος εξαιρετικός ερευνητής που εγκατέλειψε ένα μεγάλο εργαστήριο και συγκέντρωσε εξαιρετικά ποσά για μια επιχείρηση που επικεντρώνεται στην υπερνοημοσύνη. Ο Ilya Sutskever, ο πρώην επικεφαλής επιστήμονας της OpenAI, ξεκίνησε το Safe Superintelligence το 2024 με μια παρόμοια διατριβή – ότι μια εστιασμένη προσπάθεια έξω από τις πιέσεις μιας εταιρείας προϊόντων θα μπορούσε να φτάσει στην υπερνοημοσύνη γρηγορότερα. Το SSI έχει συγκεντρώσει δισεκατομμύρια σε αξιολόγηση που υπερβαίνει τα 30 δισεκατομμύρια.

Η παραλληλία είναι διδακτική. Και οι δύο ερευνητές εγκατέλειψαν οργανισμούς που βοήθησαν να οριστούν. Και οι δύο πιστεύουν ότι το τρέχον παράδειγμα – η κλιμάκωση των LLMs και η πώληση συνδρομών σε chatbot – είναι một απομάκρυνση. Και οι δύο έ drewen τεράστια κεφάλαια με τη δύναμη της φήμης τους μόνο, πριν από την παραγωγή οποιουδήποτε προϊόντος ή τη δημοσίευση οποιωνδήποτε αποτελεσμάτων.

Αλλά οι προσεγγίσεις διαφοροποιούνται. Ο Sutskever έχει πει λίγα δημόσια για την τεχνική κατεύθυνση του SSI. Ο Silver, από την άλλη πλευρά, έχει sido ρητός: ενισχυτική μάθηση, αυτοπαίγνιο και μάθηση από τις πρώτες αρχές – όχι γλωσσικά μοντέλα. Όπου τα περισσότερα εργαστήρια Τεχνητής Νοημοσύνης συζητούν πώς να κάνουν τα LLMs να συλλογίζονται καλύτερα, ο Silver ρωτάει αν πρέπει να είναι η βάση καθ’όλου.

Το 1 δισεκατομμύριο σπόροι αντανακλούν επίσης πώς δραματικά έχει μεταβληθεί το τοπίο χρηματοδότησης της Τεχνητής Νοημοσύνης. Η Anthropic προσεγγίζει近 μια αξιολόγηση 350 δισεκατομμυρίων δολαρίων. Η ανταγωνιστική πίεση στην προηγμένη Τεχνητή Νοημοσύνη έχει ενταθεί καθώς η OpenAI, η Google και η Anthropic αποστέλλουν νέα μοντέλα με επιταχυνόμενο ρυθμό. Ενάντια σε αυτό το υπόβαθρο, μια αξιολόγηση 4 δισεκατομμυρίων δολαρίων πριν από το χρήμα για μια εταιρεία πριν από το προϊόν με ηγεσία ενός seul ερευνητή είναι το νέο κανονικό.

Για τη Sequoia, η οποία ηγείται της στροφής μέσω του συνεταίρου Alfred Lin και της συνεταίρου Sonya Huang, η στοίχημα είναι απλή: ο Silver είναι ένας από τους πέντε άνθρωπους που ζουν με μια πιστόλη αξίωση να έχει χτίσει συστήματα που υπερέβησαν πραγματικά την ανθρώπινη νοημοσύνη σε συγκεκριμένα πεδία. Αν η ενισχυτική μάθηση είναι ο σωστός δρόμος για την γενική υπερνοημοσύνη, είναι ο άνθρωπος που είναι πιο πιθανό να τη βρει.

Το ρίσκο είναι εξίσου σαφές. Το AlphaGo και το AlphaZero πέτυχαν σε πεδία με σαφείς κανόνες, τέλεια πληροφόρηση και καλά καθορισμένα σήματα ανταμοιβής. Ο πραγματικός κόσμος δεν έχει κανένα από αυτά τα χαρακτηριστικά. Η κλιμάκωση του αυτοπαίγνιου πέρα από τα παιχνίδια σε ανοιχτά πεδία – επιστήμη, μηχανική, συλλογισμός – είναι ένα ανεπίλυτο πρόβλημα που ο Silver ο ίδιος έπασχε χρόνια στο DeepMind χωρίς μια οριστική đột pháση.

Η βάση της Ineffable Intelligence στο Λονδίνο τη θέτει επίσης ως一个 πιθανό άγκυρα για τις φιλοδοξίες της Ευρώπης στην Τεχνητή Νοημοσύνη. Η ήπειρος έχει παραγάγει wereld-κλάσης ερευνητές Τεχνητής Νοημοσύνης αλλά έχει δυσκολευτεί να τους κρατήσει καθώς τα αμερικανικά εργαστήρια προσφέρουν μεγαλύτερη αμοιβή και ταχύτερη υποδομή κλιμάκωσης. Eine 1 δισεκατομμύριο ευρωπαϊκή στροφή, υποστηριζόμενη από την κορυφαία εταιρεία venture της Silicon Valley, σηματοδοτεί ότι η γεωγραφία της προηγμένης έρευνας Τεχνητής Νοημοσύνης μπορεί να είναι διευρυμένη – αν και αξίζει να σημειωθεί ότι η Sequoia, η Nvidia, η Google και η Microsoft είναι όλες αμερικανικοί επενδυτές.

Η στοίχημα του Silver είναι ότι η εμμονή της βιομηχανίας στα LLMs αντιπροσωπεύει ένα τοπικό μέγιστο – εντυπωσιακό αλλά τελικά περιορισμένο. Το ερώτημα είναι αν η ενισχυτική μάθηση μπορεί να ξεφύγει από τα ελεγχόμενα περιβάλλοντα όπου έχει ευδοκιμήσει και να λειτουργήσει στον ακατάστατο, αμφίβολο πραγματικό κόσμο. Ένα δισεκατομμύριο δολάρια και μια καριέρα που χτίστηκε πάνω στο να αποδείξει τους απορριπτές λένε ότι ο Silver πιστεύει ότι μπορεί.