David Silver, jeden z twórców AlphaGo, opuścił DeepMind i założył własną startup'ową spółkę, którą wyposażył w 1,1 miliarda dolarów na rozwój sztucznej inteligencji uczącej się autonomicznie, bez potrzeby danych pochodzących od ludzi. To radykalne odejście od dominującego dotychczas podejścia supervised learning, gdzie modele utrwalane są na ludzkich przykładach i adnotacjach. Silver, którego prace nad reinforcement learning revolutionizowały branżę, teraz stawia na systemy zdolne do samodzielnego odkrywania reguł świata bez bezpośredniego nadzoru człowieka.
Finansowanie z tak astronomiczną kwotą sygnalizuje, że inwestorzy chcą postawić na alternatywę dla coraz bardziej kosztownego i powolnego modelu treningu zależnego od pracowników zajmujących się labelingiem danych i RLHF-em, czyli trenowaniem poprzez feedback człowieka. Podejście Silver'a nawiązuje do jego wcześniejszych sukcesów z AlphaZero, systemu, który nauczył się grać w szachy lepiej niż każdy grandmistrz, zaczynając od czystej kartki papieru i ucząc się wyłącznie poprzez samogospodowanie. Ta sama filozofia ma teraz zastosowanie w szerszym spektrum problemów - od optymalizacji naukowej po rozwiązywanie złożonych inżynieryjnych zadań.
Ruch ma przemawiać głośno do rosnącego problemu skalowania sieci neuronowych, które trafiają na ścianę wysokości kosztów danych treningowych. Zamiast kupować kolejne miliardy tokenów z internetu i płacić zespołom na outsourcing'u za etykietowanie, Silver chce systemów, które uczą się przez eksperymentowanie i symulację. To potencjalnie może zmienić całą dynamikę konkurencji w AI - od mocy obliczeniowej i posiadania danych bardziej przesunąć się na sztuczność i elegancję algorytmów. Jeśli technologia się powiedzie, może otworzyć drogę do AGI działającego bardziej jak ludzi czy zwierzęta, przez eksplorację i zdobywanie doświadczenia, a mniej jak obecne LLM-y zapamiętujące wzorce z tekstów.