David Silver chce zbudować „superuczącego się” agenta AI. Zamiast LLM-ów wybrał uczenie przez doświadczenie

Rundzie współprzewodziły Sequoia Capital i Lightspeed Venture Partners. Wśród inwestorów znalazły się również NVIDIA, Google, DST Global, Index Ventures oraz brytyjski Sovereign AI Fund . Skala finansowania sugeruje, że inwestorzy nie kupują wyłącznie wizji produktu. Stawiają także na samego Silvera i jego odmienny kierunek badań .

Google Cloud dostarczy moc obliczeniową

16 czerwca, podczas Google Cloud Summit w Londynie, Ineffable Intelligence ogłosiło, że Google Cloud będzie jego wyłącznym partnerem infrastrukturalnym. Decyzję poprzedziła — według komunikatu firmy — szczegółowa ocena dostępnych rozwiązań infrastrukturalnych .

Startup ma korzystać z AI Hypercomputer, czyli architektury Google Cloud zoptymalizowanej pod obciążenia związane ze sztuczną inteligencją, oraz z jednej z największych tablic procesorów graficznych NVIDIA przeznaczonych do tego typu zadań . Dla systemów uczących się metodą ciągłych prób i błędów dostęp do ogromnej mocy obliczeniowej nie jest dodatkiem, lecz podstawowym warunkiem prowadzenia eksperymentów na dużą skalę.

Partnerstwo ma również wymiar strategiczny. Google był jednym z inwestorów rundy zalążkowej, a Google Cloud rozwija równolegle własną ofertę sprzętu i infrastruktury AI, w tym ósmą generację układów TPU oraz instancje A5X z procesorami NVIDIA Vera Rubin, zapowiedziane podczas Google Cloud Next ’26 . Sam wybór Londynu na miejsce ogłoszenia porozumienia podkreślił rolę Wielkiej Brytanii jako jednego z europejskich ośrodków badań nad zaawansowaną AI .

Dlaczego Silver chce odejść od dominacji LLM-ów?

Modele językowe, takie jak ChatGPT, Gemini czy Claude, są trenowane na ogromnych zbiorach tekstów stworzonych przez ludzi. Dzięki temu potrafią rozpoznawać wzorce, przewidywać kolejne elementy wypowiedzi i tworzyć odpowiedzi na podstawie istniejącej wiedzy.

Silver uważa jednak, że takie podejście może mieć fundamentalne ograniczenie: model korzystający wyłącznie z ludzkich danych może przede wszystkim odtwarzać i łączyć to, co ludzie już opisali. Nie musi natomiast odkrywać zasad lub strategii, których wcześniej nikt nie zapisał .

Ineffable Intelligence chce zamiast tego postawić na reinforcement learning, czyli uczenie ze wzmocnieniem. W tej metodzie agent wykonuje działania w określonym środowisku, obserwuje ich skutki, otrzymuje sygnał nagrody lub kary i stopniowo uczy się, które decyzje prowadzą do lepszych rezultatów . Dane treningowe nie muszą pochodzić z internetu — mogą powstawać w wyniku samego procesu interakcji i eksperymentowania.

To właśnie taką logikę Silver wykorzystywał przy projektach AlphaGo i AlphaZero. Systemy te doskonaliły się poprzez rozgrywanie partii i samodzielne testowanie kolejnych strategii, zamiast polegać wyłącznie na analizie zapisów ludzkich rozgrywek . W przypadku Go doprowadziło to między innymi do odkrywania zagrań uznawanych wcześniej za nietypowe lub nieintuicyjne.

„Superlearner” zamiast kolejnego większego modelu

Wizja Ineffable Intelligence zakłada rozszerzenie tej idei poza gry. „Superlearner” miałby generować własne doświadczenia, uczyć się podstawowych umiejętności, a następnie wykorzystywać je do rozwiązywania coraz bardziej złożonych problemów. W zamierzeniu firmy system miałby odkrywać nową wiedzę, której wcześniej nie stworzył ani nie opisał żaden człowiek .

Podstawy tej koncepcji Silver nakreślił w pracy z 2024 r. zatytułowanej „Reward is Enough”. Jej główna idea mówi, że wystarczająco inteligentny agent kierowany odpowiednio zaprojektowanym sygnałem nagrody może samodzielnie wyprowadzić wiedzę potrzebną do działania . Misję nowej firmy opisano jako próbę „pierwszego kontaktu z superinteligencją” .

Określenie „anty-LLM” jest więc skrótem myślowym. Ineffable Intelligence nie chce po prostu zbudować kolejnego modelu językowego o większej liczbie parametrów. Firma próbuje zmienić sam sposób zdobywania wiedzy przez AI — z uczenia na podstawie ludzkich przykładów na uczenie poprzez doświadczenie.

Wielka obietnica, ale także poważne ryzyko

Zaangażowanie Sequoi, Lightspeed, NVIDII i Google pokazuje, że uczenie ze wzmocnieniem jest traktowane przez część branży jako wiarygodna alternatywa dla dominującego wyścigu na większe modele i większe zbiory danych . Dla Google Cloud umowa oznacza z kolei możliwość obsługi jednego z najbardziej wymagających projektów badawczych w dziedzinie AI.

Nie ma jednak gwarancji, że ta strategia zadziała poza środowiskami przypominającymi gry lub precyzyjnie zaprojektowane symulacje. Uczenie ze wzmocnieniem na dużą skalę jest bardzo kosztowne obliczeniowo, a przełożenie sukcesów z AlphaGo czy AlphaZero na otwarte problemy naukowe i świat rzeczywisty pozostaje nierozstrzygnięte.

1,1 mld dol. daje Ineffable Intelligence długi finansowy pas startowy. Nie zastępuje jednak najtrudniejszego dowodu: że agent uczący się głównie na podstawie własnego doświadczenia rzeczywiście potrafi dokonywać przełomowych odkryć poza planszą do gry.