अल्फागो के निर्माता ने एआई बनाने के लिए रिकॉर्ड 1 अरब डॉलर जुटाए हैं जो एलएलएम के बिना है

डेविड सिल्वर, पुनर्बलन लर्निंग के अग्रणी जिन्होंने गूगल डीपमाइंड में अल्फागो का निर्माण किया, इफेबल इंटेलिजेंस के लिए 1 अरब डॉलर का निवेश कर रहे हैं, जो एक लंदन स्थित स्टार्टअप है जो इस धारणा पर बनाया गया है कि बड़े भाषा मॉडल सुपरइंटेलिजेंस के लिए गलत रास्ते हैं।

सिक्वोइया कैपिटल द्वारा नेतृत्व वाला यह सौदा यूरोपीय स्टार्टअप द्वारा बंद की गई सबसे बड़ी सीड राउंड होगी यदि यह अंतिम रूप से तैयार हो जाता है। एनवीडिया, गूगल और माइक्रोसॉफ्ट भाग लेने के लिए बातचीत कर रहे हैं, हालांकि वार्ता अभी भी जारी है और अंतिम शर्तें बदल सकती हैं। यह दौर कंपनी को 4 अरब डॉलर के प्री-मनी मूल्यांकन पर रखता है।

सिल्वर, जो डीपमाइंड में पुनर्बलन लर्निंग के वीपी के रूप में कार्य करते थे, ने नवंबर 2025 में शांतिपूर्वक इफेबल इंटेलिजेंस को शामिल किया और जनवरी 2026 में निदेशक नियुक्त किया गया। कंपनी का मिशन, जैसा कि सिल्वर ने इसका वर्णन किया है, “एक अंतहीन सीखने वाली सुपरइंटेलिजेंस बनाना है जो सभी ज्ञान के आधारों को स्व-खोज करती है।”

यह विवरण एक जानबूझकर प्रेरक है। एक उद्योग में जो इंटरनेट पाठ पर प्रशिक्षित एलएलएम्स को स्केल करने पर सैकड़ों अरबों डॉलर खर्च कर रहा है, सिल्वर यह तर्क दे रहे हैं कि पूरे दृष्टिकोण में एक छत है।

मानव डेटा के खिलाफ मामला

सिल्वर का थीसिस सीधे उस काम से निकलता है जिसने उन्हें प्रसिद्ध बनाया। 2017 में, डीपमाइंड के सीईओ डेमिस हассाबिस और सिल्वर ने अल्फागो जीरो प्रकाशित किया, जो अल्फागो का एक संस्करण था जो शून्य मानव गेम डेटा के साथ स्व-प्ले के माध्यम से सीखा। इसने मूल, मानव-प्रशिक्षित अल्फागो को 100 गेम से 0 तक हराया।

परिणाम ने एआई समुदाय को आश्चर्यचकित कर दिया। एक प्रणाली जो स्क्रैच से सीखती है, केवल इंटरैक्शन और इनाम के माध्यम से, न केवल मानव ज्ञान का मिलान करती है – यह इतनी पूरी तरह से आगे निकल जाती है कि मानव-डेटा-प्रशिक्षित संस्करण एक भी गेम नहीं जीत सकता है।

सिल्वर ने अल्फाजीरो के माध्यम से इस दृष्टिकोण को आगे बढ़ाया, जिसने शतरंज, शोगी और गो को स्क्रैच से मास्टर किया, और म्यूजीरो के माध्यम से, जिसने बिना खेल के नियमों को सिखाए जाने के लिए सीखा। प्रत्येक प्रणाली ने एक ही निष्कर्ष को मजबूत किया: सबसे अच्छा प्रदर्शन मानवों की नकल करने से नहीं आता है, बल्कि अनुभव के माध्यम से सीखने से।

डीपमाइंड पॉडकास्ट में सिल्वर ने दो एआई युगों का वर्णन किया: वर्तमान “मानव डेटा युग” और आगामी “अनुभव युग”। समकालीन एलएलएम्स, उन्होंने तर्क दिया, मानव डेटा और प्रतिक्रिया पर निर्भर करते हैं, जिससे अंतर्निहित प्रतिबंध होते हैं। कृत्रिम सुपरइंटेलिजेंस तक पहुंचने के लिए मानव ज्ञान से परे जाने की आवश्यकता है।

सुपरइंटेलिजेंस स्टार्टअप रेस

सिल्वर पहले एलिट रिसर्चर नहीं हैं जिन्होंने एक प्रमुख प्रयोगशाला छोड़ दी और सुपरइंटेलिजेंस पर केंद्रित एक उद्यम के लिए असाधारण राशि जुटाई है। इल्या सुत्स्केवर, ओपनएआई के पूर्व मुख्य वैज्ञानिक, ने 2024 में एक समान थीसिस के साथ सेफ सुपरइंटेलिजेंस लॉन्च किया – एक फोकस्ड प्रयास एक उत्पाद कंपनी के दबाव से बाहर निकल सकता है। एसएसआई ने तब से अरबों डॉलर जुटाए हैं और 30 अरब डॉलर से अधिक के मूल्यांकन को पार कर गया है।

सिल्वर का दांव यह है कि एलएलएम्स पर उद्योग का जुनून एक स्थानीय अधिकतम का प्रतिनिधित्व करता है – प्रभावशाली लेकिन अंततः सीमित। सवाल यह है कि क्या पुनर्बलन लर्निंग नियंत्रित वातावरण से बाहर निकल सकती है जहां यह फल-फूल रही है और अस्त-व्यस्त, अस्पष्ट वास्तविक दुनिया में काम कर सकती है। एक अरब डॉलर और एक करियर जो संदेह करने वालों को गलत साबित करने पर बनाया गया है, यह सुझाव देता है कि सिल्वर सोचता है कि यह कर सकता है।