Χρηματοδότηση

Ο δημιουργός του AlphaGo συγκεντρώνει το ποσό-ρεκόρ του 1 δισεκατομμυρίου δολαρίων για την ανάπτυξη AI χωρίς LLM

Alex McFarland
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Βασικά σημείαΗ πρώτη χρηματοδότηση ύψους 1 δισεκατομμυρίου δολαρίων της Ineffable Intelligence…
Δείτε περισσότερα
  • Η πρώτη χρηματοδότηση ύψους 1 δισεκατομμυρίου δολαρίων της Ineffable Intelligence απορρίπτει τα LLMs υπέρ μιας υπερευφυΐας βασισμένης σε ενισχυτική μάθηση.
  • Η διατριβή του David Silver υποστηρίζει ότι η μάθηση από την εμπειρία ξεπερνά το ανώτατο όριο των μοντέλων εκπαιδευμένων σε ανθρώπινα δεδομένα, όπως τα LLMs.
  • Η χρηματοδότηση σηματοδοτεί έναν αγώνα υψηλού κινδύνου ανταγωνιστικών παραδειγμάτων υπερευφυΐας, πέρα από τα κλιμακούμενα chatbots.

Ο David Silver, ο πιονιέρης της ενισχυτικής μάθησης που ηγήθηκε της δημιουργίας του AlphaGo στη Google DeepMind, συγκεντρώνει 1 δισεκατομμύριο δολάρια σε αρχική χρηματοδότηση 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 από την Sequoia Capital, θα ήταν η μεγαλύτερος γύρος αρχικής χρηματοδότησης που έχει ολοκληρώσει ποτέ ευρωπαϊκή εταιρεία, εφόσον οριστικοποιηθεί. Η Nvidia (NVDA ), η Google και η Microsoft (MSFT ) είναι σε διαπραγματεύσεις για συμμετοχή, αν και οι διαπραγματεύσεις εξακολουθούν να συνεχίζονται και οι τελικοί όροι μπορεί να αλλάξουν. Ο γύρος αποτιμά την εταιρεία σε 4 δισεκατομμύρια δολάρια πριν από την επένδυση.

Ο Silver, που υπηρέτησε ως Αντιπρόεδρος της Ενισχυτικής Μάθησης στη DeepMind, ίδρυσε αθόρυβα 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 υπερνοημοσύνη που μαθαίνει ατελείωτα και αυτοανακαλύπτει τις βάσεις όλων των γνώσεων”.

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

Η Περίπτωση Ενάντια στα Ανθρώπινα Δεδομένα

Η θέση του Silver αντλεί άμεσα από 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 με 0.

Το αποτέλεσμα σόκαρε την κοινότητα του AI. Ένα σύστημα που έμαθε από το μηδέν, μέσω αλληλεπίδρασης και ανταμοιβής μόνο, όχι μόνο έφτασε την ανθρώπινη γνώση, αλλά την ξεπέρασε τόσο που η εκδοχή που εκπαιδεύτηκε με ανθρώπινα δεδομένα δεν μπορούσε να κερδίσει ούτε ένα παιχνίδι.

Ο Silver επέκτεινε αυτήν την προσέγγιση μέσω του AlphaZero, που έμαθε να παίζει σκάκι, σόγκι και γκο από το μηδέν, και του MuZero, που έμαθε να σχεδιάζει χωρίς να του λεγούν οι 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 εμπειρίας.

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

Αυτή είναι η φιλοσοφία του “Alberta School” – ονομάστηκε έτσι από το Πανεπιστήμιο του Αλμπέρτα, όπου ο Silver σπούδασε υπό την καθοδήγηση του πρωτοπόρου της ενισχυτικής μάθησης Rich Sutton. Το σημαντικό δοκίμιο του Sutton το 2019 “The Bitter Lesson” 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.

Ένας Αγώνας για την Υπερνοημοσύνη

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

Η παραλληλία είναι διδακτική. Και οι δύο ερευνητές άφησαν οργανισμούς που βοήθησαν να οριστούν. Και οι δύο πιστεύουν ότι το τρέχον υπόδειγμα – η κλιμάκωση των LLMs και η πώληση συνδρομών chatbot – είναι μια απομάκρυνση. Και οι δύο προσέλκυσαν τεράστια κεφάλαια με βάση τη φήμη τους μόνο, πριν από την παραγωγή οποιουδήποτε προϊόντος ή δημοσίευσης αποτελεσμάτων.

Αλλά οι προσεγγίσεις διαφοροποιούνται. Ο Sutskever έχει πει λίγα δημόσια για την τεχνική κατεύθυνση της SSI. Ο Silver, από την άλλη πλευρά, έχει μιλήσει ξεκάθαρα: ενισχυτική μάθηση, αυτοπαίγνιο και μάθηση από τις πρώτες αρχές – όχι γλωσσικά μοντέλα. Όπου τα περισσότερα εργαστήρια AI συζητούν πώς να κάνουν τα LLMs να συλλογίζονται καλύτερα, ο Silver ρωτάει αν θα έπρεπε καν να αποτελούν τη βάση.

Ο γύρος αρχικής χρηματοδότησης ύψους 1 δισεκατομμυρίου δολαρίων αντικατοπτρίζει επίσης πόσο δραματικά έχει αλλάξει το τοπίο χρηματοδότησης του AI. Η Anthropic προσεγγίζει μια αξιολόγηση 350 δισεκατομμυρίων δολαρίων. Η ανταγωνιστική πίεση στο AI 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 την επένδυση για μια εταιρεία πριν από το προϊόν με ηγεσία από έναν μόνο ερευνητή είναι το νέο κανονικό.

Για τη Sequoia, που ηγείται του γύρου μέσω του διευθύνοντος εταίρου Alfred Lin και της εταίρου Sonya Huang, το σκεπτικό του στοιχήματος είναι απλό: ο Silver είναι ίσως ένας από μόλις πέντε ανθρώπους εν ζωή που μπορούν να υποστηρίξουν αξιόπιστα ότι έχουν δημιουργήσει συστήματα τα οποία ξεπέρασαν πραγματικά την ανθρώπινη νοημοσύνη σε συγκεκριμένους τομείς. Αν η ενισχυτική μάθηση είναι ο σωστός δρόμος για την γενική υπερνοημοσύνη, είναι ο πιο πιθανός να τη βρει.

Ο κίνδυνος είναι εξίσου σαφής. Το AlphaGo και το AlphaZero πέτυχαν σε πεδία με σαφείς κανόνες, τέλεια πληροφόρηση και καλά ορισμένα σήματα ανταμοιβής. Ο πραγματικός κόσμος δεν έχει καμία από αυτές τις ιδιότητες. Η κλιμάκωση του αυτοπαίγνιου πέρα από τα παιχνίδια σε ανοιχτά πεδία – επιστήμη, μηχανική, συλλογισμός – είναι ένα ανεπίλυτο πρόβλημα που ο Silver ο ίδιος ξόδεψε χρόνια εργαζόμενος πάνω του στη DeepMind χωρίς οριστική καθοριστική πρόοδο.

Η βάση της Ineffable Intelligence στο Λονδίνο τη θέτει επίσης ως πιθανό σημείο αναφοράς για τις φιλοδοξίες του AI της Ευρώπης. Η ήπειρος έχει παραγάγει παγκόσμιας κλάσης ερευνητές AI, αλλά έχει δυσκολευτεί να τους κρατήσει καθώς τα αμερικανικά εργαστήρια προσφέρουν μεγαλύτερη αμοιβή και ταχύτερη κλιμάκωση υποδομής. Ένας ευρωπαϊκός γύρος αρχικής χρηματοδότησης 1 δισεκατομμυρίου δολαρίων, υποστηριζόμενη από την κορυφαία εταιρεία venture της Silicon Valley, σηματοδοτεί ότι η γεωγραφία της έρευνας AI μπορεί να επεκτείνεται – αν και αξίζει να σημειωθεί ότι η Sequoia, η Nvidia, η Google και η Microsoft είναι όλοι αμερικανικοί επενδυτές.

Το 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 ακατέργαστο, αμφίσημο πραγματικό κόσμο. Ένα δισεκατομμύριο δολάρια και μια καριέρα που έχει χτιστεί πάνω στο να αποδεικνύει ότι οι αμφισβητίες έχουν άδικο λένε ότι ο Silver πιστεύει ότι μπορεί.

Alex McFarland

Ο Alex ηγείται των ειδησεογραφικών λειτουργιών που τροφοδοτούνται από AI της Unite.AI, συνδυάζοντας δημοσιογραφία, έρευνα και αυτοματοποίηση για την υποστήριξη έγκαιρης και κλιμακώσιμης κάλυψης της τεχνητής νοημοσύνης. Η δουλειά του βοηθά να διασφαλιστεί ότι οι αναδυόμενες εξελίξεις του AI εμφανίζονται αποτελεσματικά, διατηρώντας τα δημοσιογραφικά πρότυπα της έκδοσης.