Ineffable Intelligence punta sul reinforcement learning, non sui grandi modelli linguistici

Il finanziamento è stato guidato da Sequoia Capital e Lightspeed Venture Partners. Tra gli altri partecipanti figurano NVIDIA, Google, DST Global, Index Ventures e il Sovereign AI Fund del Regno Unito .

Il significato del round va oltre la dimensione finanziaria. Gli investitori stanno puntando contemporaneamente sul profilo di Silver e su una direzione di ricerca che, al momento, non ha ancora dimostrato di poter funzionare su problemi aperti e complessi del mondo reale. La società, infatti, non ha ancora presentato un prodotto commerciale né risultati pubblici paragonabili a quelli dei principali laboratori di IA.

Perché Google Cloud è importante

Sei settimane dopo il finanziamento, Ineffable Intelligence ha scelto Google Cloud al termine di una valutazione del mercato delle infrastrutture per l’IA . L’accordo prevede l’utilizzo dell’AI Hypercomputer di Google Cloud e di una delle più grandi infrastrutture di GPU NVIDIA destinate a un singolo cliente .

Per un sistema basato sull’apprendimento per rinforzo, la potenza di calcolo non serve soltanto a elaborare grandi quantità di testo. Serve a eseguire continuamente cicli di interazione, simulazione, valutazione e correzione. In altre parole, il superlearner dovrebbe poter effettuare enormi quantità di “tentativi” digitali per capire quali strategie producono i risultati migliori.

La partnership ha anche una dimensione strategica. Google era già tra gli investitori del round seed e ora fornirà alla startup l’infrastruttura necessaria per il progetto. L’ecosistema AI Hypercomputer comprende hardware e sistemi ottimizzati per carichi di lavoro avanzati, tra cui la nuova generazione di TPU di Google e le istanze bare metal A5X basate sulla piattaforma NVIDIA Vera Rubin, annunciate a Google Cloud Next ’26 .

L’annuncio nella capitale britannica riflette inoltre il ruolo crescente di Londra e del Regno Unito nella ricerca sull’intelligenza artificiale di frontiera .

La tesi “anti-LLM” di David Silver

David Silver è stato responsabile del team di apprendimento per rinforzo di Google DeepMind ed è il principale architetto associato ad AlphaGo, AlphaZero e MuZero . Questi sistemi hanno imparato a giocare a Go, scacchi e altri giochi soprattutto attraverso l’autoapprendimento e il gioco contro sé stessi, invece di limitarsi a studiare partite umane.

La lezione che Silver vuole estendere a un sistema molto più generale è semplice: un’IA può scoprire strategie che nessun essere umano le ha insegnato direttamente. AlphaGo, per esempio, ha prodotto mosse considerate sorprendenti perché non si è limitato a riprodurre le partite contenute nei dati di addestramento.

La posizione di Silver è che i grandi modelli linguistici, o LLM, dipendano in modo strutturale dai contenuti prodotti dagli esseri umani. Modelli come ChatGPT, Gemini e Claude vengono addestrati su enormi raccolte di testi e imparano a generalizzare a partire da ciò che è già stato scritto. Secondo la tesi di Ineffable Intelligence, questo approccio potrebbe avere un limite: un modello non può scoprire facilmente conoscenze che non sono mai state registrate nei dati umani .

Il “superlearner” dovrebbe seguire una strada diversa. Invece del preaddestramento su testi raccolti da Internet, genererebbe i propri dati interagendo con ambienti simulati o reali. L’obiettivo è sviluppare competenze e conoscenze attraverso l’esperienza, il feedback e la ricerca autonoma di soluzioni .

Dal gioco alla scienza: il vero ostacolo

Il metodo ha già prodotto risultati spettacolari in ambienti con regole chiare, come i giochi da tavolo. Ma passare da Go o dagli scacchi alla scoperta scientifica, alla robotica o ai problemi aperti è un salto molto più difficile.

Nei giochi, l’IA può ricevere un segnale di ricompensa relativamente preciso: vincere è meglio che perdere. Nel mondo reale, invece, gli obiettivi sono spesso ambigui, i risultati possono richiedere anni e gli errori possono essere costosi o irreversibili. Anche progettare ambienti di addestramento abbastanza ricchi da permettere scoperte autentiche resta una sfida aperta.

Inoltre, il reinforcement learning su scala molto ampia richiede enormi risorse computazionali. La collaborazione con Google Cloud offre a Ineffable Intelligence una base tecnica imponente, ma non dimostra ancora che il metodo possa superare gli LLM nei compiti generali o produrre nuove scoperte scientifiche.

Una scommessa enorme su una strada non provata

La missione dichiarata dell’azienda è “stabilire il primo contatto con la superintelligenza” . Il coinvolgimento congiunto di Sequoia, Lightspeed, Google, NVIDIA e del fondo sovrano britannico segnala che una parte importante dell’industria considera l’apprendimento dall’esperienza una possibile alternativa al paradigma dominante .

Per ora, però, Ineffable Intelligence è soprattutto una scommessa di ricerca: 1,1 miliardi di dollari investiti in un gruppo guidato da uno dei nomi più riconoscibili del reinforcement learning, una partnership cloud esclusiva e una teoria ancora da verificare al di fuori degli ambienti simulati.

Se Silver avrà ragione, la prossima generazione di IA potrebbe non nascere da una quantità ancora maggiore di testi umani, ma da macchine in grado di sperimentare, fallire e imparare autonomamente. Se invece il metodo non riuscirà a trasferire i successi di AlphaGo al mondo reale, il round record resterà il simbolo di una delle scommesse più audaci — e più rischiose — nella corsa alla superintelligenza.