David Silver vil bygge en «superlærer» – uten å starte med språkmodeller

På bare seks uker har et nytt britisk KI-selskap gått fra anonymitet til å bli et av Europas mest omtalte teknologiprosjekter. Ineffable Intelligence, grunnlagt av KI-forskeren David Silver, hentet 1,1 milliarder dollar før selskapet hadde et offentlig produkt eller dokumenterte inntekter. Deretter inngikk det en eksklusiv avtale med Google Cloud om datakraften som skal brukes til å utvikle en såkalt «superlærer» .

Ambisjonen er ikke å bygge enda en større språkmodell. Silver vil i stedet gå tilbake til prinsipper som gjorde AlphaGo, AlphaZero og MuZero i stand til å lære komplekse spill gjennom selvspill og prøving og feiling. Målet er et KI-system som kan oppdage kunnskap gjennom egne erfaringer, også kunnskap mennesker aldri har skrevet ned .

Europas største såkornrunde

Ineffable Intelligence kom ut av «stealth» 27. april 2026 med en såkornrunde på 1,1 milliarder dollar – omtalt som den største av sitt slag i europeisk historie. Investeringen verdsatte selskapet til 5,1 milliarder dollar .

Runden ble ledet av Sequoia Capital og Lightspeed Venture Partners. Blant deltakerne var Nvidia, Google, DST Global, Index Ventures og Storbritannias Sovereign AI Fund .

Størrelsen på investeringen er bemerkelsesverdig fordi den i praksis er en massiv forhåndsbetalt tillitserklæring. Selskapet har ennå ikke vist at teknologien fungerer i åpne, virkelige problemstillinger. Investorene satser derfor først og fremst på Silver og forskningsretningen hans – ikke på et ferdig produkt .

Google Cloud skal levere maskinkraften

16. juni kunngjorde Ineffable Intelligence at Google Cloud blir selskapets eksklusive infrastrukturpartner. Avtalen ble presentert under Google Cloud Summit i London etter en evaluering av markedet for KI-infrastruktur .

Selskapet skal bruke Googles AI Hypercomputer-plattform og få tilgang til en av de største samlingene av Nvidia-baserte GPU-er som er knyttet til en enkelt kunde . Slik maskinvare er avgjørende for forsterkende læring, der KI-systemer må kunne gjennomføre enorme mengder forsøk, vurdere resultatene og justere strategien – om igjen og om igjen.

Samarbeidet har også en tydelig strategisk side. Google var allerede blant investorene i såkornrunden, og Google Cloud kan levere både selskapets åttende generasjon TPU-brikker og nye A5X-barmetallinstanser med Nvidia Vera Rubin-brikker, som ble presentert under Google Cloud Next ’26 .

En utfordring til språkmodellene

Store språkmodeller, eller LLM-er, trenes på enorme mengder menneskeskapt tekst. De lærer mønstre fra det mennesker allerede har skrevet, og kan deretter kombinere og gjengi denne kunnskapen på nye måter.

Silvers innvending er at denne metoden kan ha en grunnleggende grense: En modell som utelukkende lærer fra menneskelige data, vil i hovedsak være bundet til menneskehetens eksisterende kunnskap. Den kan trekke nye forbindelser, men har vanskeligere for å oppdage noe som ingen mennesker har beskrevet tidligere .

Ineffable Intelligence vil bruke forsterkende læring i stedet. Det innebærer at et system lærer ved å samhandle med et miljø, prøve ulike handlinger og motta belønning eller «straff» basert på resultatet . På samme måte lærte AlphaZero å spille sjakk og Go gjennom selvspill, uten å være avhengig av menneskelige partier som fasit .

Silver skisserte den faglige tankegangen i artikkelen «Reward is Enough» fra 2024. Der argumenterte han for at en tilstrekkelig intelligent agent, styrt av et godt belønningssignal, i prinsippet kan utvikle kunnskapen den trenger . Selskapets uttalte mål er «å oppnå den første kontakten med superintelligens» .

Hvorfor satsingen er så risikabel

Dette er en direkte utfordring til KI-bransjens dominerende kappløp om stadig større modeller og mer treningsdata. Mens selskaper som OpenAI og Anthropic i hovedsak bygger videre på språkmodellparadigmet, posisjonerer Ineffable Intelligence seg som en alternativ vei mot svært avansert KI .

At Nvidia, Google Cloud og flere av verdens største venturekapitalfond er med, viser at forsterkende læring og såkalt erfaringsbasert læring blir tatt seriøst som forskningsretning . Men pengene og maskinene løser ikke det største faglige problemet.

Forsterkende læring er ekstremt ressurskrevende i stor skala. Metoden har fungert godt i spill og kontrollerte simuleringer, men det er fortsatt ikke demonstrert at den kan levere gjennombrudd innen åpen vitenskapelig forskning eller andre komplekse områder uten klare regler og mål.

Dermed er Ineffable Intelligence både et av de mest ambisiøse og et av de mest usikre KI-prosjektene på markedet. Selskapet har fått en historisk startpakke. Nå må det vise at en maskin som lærer av egne erfaringer, faktisk kan finne veien videre når det ikke finnes et spillbrett, en poengtavle eller et menneske som allerede kjenner svaret.