Twórca AlphaGo pozyskał rekordowe 1 miliard dolarów, aby zbudować sztuczną inteligencję bez modeli językowych LLM

David Silver, pionier uczenia wzmacniania, który kierował tworzeniem uczenia wzmacniania w Google DeepMind, pozyskał 1 miliard dolarów na finansowanie startupu Ineffable Intelligence, który opiera się na założeniu, że duże modele językowe są złym kierunkiem rozwoju sztucznej inteligencji.

Transakcja, którą prowadzi Sequoia Capital, byłaby największą rundą finansowania w historii europejskich startupów, jeśli dojdzie do skutku. Nvidia, Google i Microsoft prowadzą rozmowy w sprawie udziału, choć negocjacje są w toku, a ostateczne warunki mogą ulec zmianie. Runda ta wycenia spółkę na 4 miliardy dolarów przed inwestycją.

Silver, który pełnił funkcję wiceprezesa ds. uczenia wzmacniania w DeepMind, założył spółkę Ineffable Intelligence w listopadzie 2025 r. i został powołany na stanowisko dyrektora w styczniu 2026 r. Misją spółki, jak ją opisał Silver, jest zbudowanie “nieskończenie uczącej się sztucznej inteligencji, która sama odkrywa podstawy wszelkiej wiedzy”.

Ten opis zawiera celową prowokację. W branży, która wydaje setki miliardów dolarów na rozwój modeli językowych LLM, Silver twierdzi, że cały ten podejście ma ograniczenia.

Przypadek przeciwko danych ludzkim

Teza Silvera wynika bezpośrednio z pracy, która przyniosła mu sławę. W 2017 r. CEO DeepMind Demis Hassabis i Silver opublikowali AlphaGo Zero, wersję AlphaGo, która nauczyła się wyłącznie przez samą grę z zerowymi danymi gry ludzkiej. Pokonała ona oryginalną, szkoloną przez ludzi wersję AlphaGo 100 gier do zera.

Wynik ten zaskoczył społeczność AI. System, który nauczył się od podstaw, poprzez interakcję i nagrodę, nie tylko dorównał wiedzy ludzkiej, ale ją przewyższył na tyle, że wersja szkolona przez ludzi nie mogła wygrać ani jednej gry.

Silver rozwijał to podejście przez AlphaZero, które opanowało szachy, shogi i go od podstaw, oraz MuZero, które nauczyło się planować bez poznania zasad gry. Każdy system potwierdził tę samą konkluzję: najlepsze wyniki nie pochodzą z naśladownictwa ludzi, ale z uczenia się przez doświadczenie.

W podcaście DeepMind nagranym przed jego odejściem, Silver opisał dwie ery sztucznej inteligencji: obecną “erę danych ludzkich” i nadchodzącą “erę doświadczenia”. Współczesne modele językowe LLM, argumentował, zależą od danych ludzkich i informacji zwrotnej, tworząc wewnętrzne ograniczenia. Droga do sztucznej superinteligencji wymaga przejścia poza wiedzę ludzką.

Wyścig startupów superinteligencji

Silver nie jest pierwszym elitarnym badaczem, który opuścił główny laboratorium i pozyskał nadzwyczajne sumy na startup skoncentrowany na superinteligencji. Ilya Sutskever, były główny naukowiec OpenAI, uruchomił Safe Superintelligence w 2024 r. z podobną tezą – że skupiony wysiłek poza presją firmy produkcyjnej może osiągnąć superinteligencję szybciej. SSI od tego czasu pozyskał miliardy dolarów przy wycenie przekraczającej 30 miliardów dolarów.

Porównanie jest pouczające. Obydwaj badacze opuścili organizacje, które pomogli zdefiniować. Obydwaj wierzą, że obecny paradygmat – skalowanie modeli językowych LLM i sprzedaż subskrypcji chatbota – jest objazdem. Obydwaj przyciągnęli ogromne kapitały dzięki swojej reputacji, zanim wyprodukowali jakikolwiek produkt lub opublikowali jakiekolwiek wyniki.

Jednak podejścia się różnią. Sutskever powiedział niewiele publicznie o kierunku technicznym SSI. Silver, z drugiej strony, był wyraźny: uczenie wzmacniania, samą grę i uczenie się z pierwszych zasad – a nie modele językowe. Tam, gdzie większość laboratoriów AI debatuje, jak uczynić modele językowe LLM bardziej rozsądnymi, Silver pyta, czy powinny one stanowić podstawę w ogóle.

1 miliard dolarów na rundę również odzwierciedla, jak dramatycznie zmienił się krajobraz finansowania AI. Anthropic zbliżył się do wyceny 350 miliardów dolarów. Presja konkurencyjna w AI na granicy badań nasiliła się, gdy OpenAI, Google i Anthropic wprowadzają nowe modele w przyspieszonym tempie. W tym kontekście wycena przed-inwestycyjna na poziomie 4 miliardów dolarów dla spółki przedprodukcyjnej pod przewodnictwem jednego badacza jest nową normą.

Dla Sequoia, która prowadzi rundę za pośrednictwem partnera zarządzającego Alfreda Lina i partnera Sonyi Huang, zakład jest prosty: Silver jest jedną z perhaps pięciu osób żyjących, które mają wiarygodne roszczenia do zbudowania systemów, które prawdziwie przewyższają inteligencję ludzką w określonych dziedzinach. Jeśli uczenie wzmacniania jest właściwą ścieżką do ogólnej superinteligencji, to on jest najbardziej prawdopodobnym, aby ją znaleźć.

Ryzyko jest równie jasne. AlphaGo i AlphaZero odniosły sukces w dziedzinach o wyraźnych zasadach, doskonałej informacji i dobrze zdefiniowanych sygnałach nagrody. Świat rzeczywisty nie ma żadnej z tych właściwości. Skalowanie samą gry poza gry w dziedziny otwarte – naukę, inżynierię, rozumowanie – jest nierozwiązanym problemem, nad którym Silver spędził lata pracy w DeepMind bez definitywnego przełomu.

Siedziba Ineffable Intelligence w Londynie umiejscawia ją również jako potencjalny kotwicę dla europejskich ambicji AI. Kontynent wyprodukował wybitnych badaczy AI, ale miał trudności z ich utrzymaniem, gdy amerykańskie laboratoria oferują większe wynagrodzenie i szybsze infrastruktury skalowania. Runda europejska o wartości 1 miliarda dolarów, wspierana przez wiodącą firmę venture capital z Doliny Krzemowej, sygnalizuje, że geografia badań AI na granicy może się rozszerzać – choć warto zauważyć, że Sequoia, Nvidia, Google i Microsoft są wszystkie amerykańskimi inwestorami.

Zakład Silvera jest taki, że zauroczenie branży modelami językowymi LLM reprezentuje lokalny maksimum – imponujące, ale ostatecznie ograniczone. Pytanie brzmi, czy uczenie wzmacniania może uciec z kontrolowanych środowisk, w których prosperowało, i działać w rzeczywistym, niejasnym świecie. 1 miliard dolarów i kariera zbudowana na udowodnieniu sceptykom, że się mylą, mówi, że Silver uważa, iż to możliwe.