AlphaGo Creator запускає AI Venture

Девід Сільвер, далекоглядний вчений, який керував розробкою AlphaGo у DeepMind, прокладає сміливий новий курс у сфері штучного інтелекту. Пропрацювавши роки у відомому дослідницькому підрозділі Google зі штучного інтелекту, Сільвер оголосив про заснування мільярдної компанії зі штучного інтелекту, покликаної запровадити революційний підхід до машинного навчання, який суттєво відрізняється від поточних галузевих тенденцій і методологій.

Новостворене підприємство втілює філософський зсув Сільвера щодо напрямку розробки штучного інтелекту в останні роки. Упродовж своєї роботи в DeepMind Сільвер на власні очі бачив, як AlphaGo перетворився з теоретичної концепції на практичну систему, здатну перемогти світових чемпіонів у стародавній грі Го — віха, яку багато хто вважав неможливою лише кілька десятиліть тому. Однак його спостереження за ширшою екосистемою штучного інтелекту привели його до висновку, що галузь, можливо, йде неефективним шляхом до досягнення справжнього машинного інтелекту.

Стурбованість Сілвера зосереджена на тому, що він описує як надмірну залежність від певних методологічних підходів, які домінують у сучасних дослідженнях ШІ та комерційних розробках. Замість того щоб йти протореною дорогою, яку обрали більшість технологічних компаній і дослідницьких установ, Сільвер вважає, що існує більш елегантний і ефективний шлях до побудови систем, які можуть навчатися в багатьох областях з безпрецедентною ефективністю та адаптивністю. Його нова компанія прагне підтвердити цю гіпотезу за допомогою конкретного впровадження та застосування в реальному світі.

Концепція супернавчань зі штучним інтелектом лежить в основі місії нового підприємства Silver і являє собою відхід від традиційного мислення щодо архітектури штучного інтелекту та методології навчання. За задумом Сільвера, Superlearners представлятиме клас систем штучного інтелекту, здатних швидко здобувати знання та навички в різних областях, не вимагаючи тривалого перенавчання або тонкого налаштування для кожної нової програми. Це різко контрастує з поточними найсучаснішими мовними моделями та спеціалізованими системами, які часто переважають у вузьких областях, але мають проблеми з перенесенням навчання та узагальненням.

Досвід Сілвера дозволяє йому кинути виклик усталеним нормам у сфері ШІ. Як провідний дослідник AlphaGo, він написав численні фундаментальні статті з навчання з підкріпленням, нейронних мереж і алгоритмів гри, які стали наріжними каменями сучасної теорії машинного навчання. Його робота продемонструвала, що поєднання глибинного навчання з механізмами пошуку дерева та самостійної гри може забезпечити надлюдську ефективність у складних середовищах прийняття рішень. Цей успіх приніс йому визнання як одного з найвпливовіших дослідників ШІ свого покоління.

Термін запуску підприємства Silver відображає ширші розмови в спільноті штучного інтелекту про стійкість, ефективність і відповідність людським цінностям. Оскільки великі технологічні компанії вкладають мільярди в розробку все більших мовних моделей, навчених на все більших масивах даних, критики, включно з видатними діячами безпеки та етики штучного інтелекту, сумніваються, чи цей підхід до масштабування є оптимальним шляхом до досягнення загального штучного інтелекту. Схоже, що нова компанія Сільвера готова досліджувати альтернативні методології, які можуть досягти порівнянних або кращих результатів із більшою ефективністю та надійнішими механізмами навчання.

Фінансування нового підприємства викликало довіру з боку інвестиційної спільноти. Мільярдна оцінка відображає ентузіазм інвесторів щодо послужного списку Сільвера та потенціалу його теоретичної основи. Великі компанії венчурного капіталу та стратегічні інвестори визнають, що відхід Сільвера з DeepMind означає значну можливість отримати вигоду від його досвіду та бачення. Значне фінансування забезпечує достатні ресурси для створення дослідницької групи світового рівня та проведення масштабних експериментів, необхідних для перевірки підходу Сільвера в масштабі.

Організаційна структура компанії відображає прагнення Сільвера підтримувати найвищі стандарти ретельності досліджень і практичного застосування. На відміну від деяких стартапів зі штучним інтелектом, які надають пріоритет швидкій комерціалізації або вузьким сценаріям використання, підприємство Сільвера наголошує на фундаментальних дослідженнях разом із розробкою продукту. Цей подвійний підхід дозволяє компанії шукати наукові цікаві питання, одночасно створюючи системи, які демонструють реальну корисність та економічну цінність. Баланс між теоретичним прогресом і комерційною життєздатністю може виявитися вирішальним для довгострокового успіху підприємства.

Світові спостерігачі відзначили, що критика Сільвером поточних шляхів розвитку штучного інтелекту резонує зі зростаючим занепокоєнням щодо сталості та ефективності сучасних підходів. У той час як великі мовні моделі захопили уяву громадськості та продемонстрували вражаючі можливості, їх обчислювальна вартість, вплив на навколишнє середовище та схильність вивчати помилкові кореляції викликали серйозні питання щодо довгострокової життєздатності. Акцент Silver на створенні більш елегантних і ефективних систем безпосередньо вирішує ці проблеми, водночас пропонуючи конкретні альтернативи, підкріплені методологією ретельного дослідження.

Команда засновників, зібрана навколо Silver, надає додатковий досвід, що охоплює теоретичну інформатику, прикладне машинне навчання, нейронауку та практичну інженерію. Цей міждисциплінарний підхід відображає культуру співпраці, яку Сільвер допоміг розвинути в DeepMind, і відображає його віру в те, що для прориву в галузі штучного інтелекту потрібні різноманітні точки зору та набори навичок. Кілька відомих дослідників уже взяли участь у цьому проекті, приваблені можливістю досліджувати нові напрямки досліджень із меншою кількістю бюрократичних обмежень, ніж зазвичай накладають великі корпорації.

Попередні досягнення Сілвера значно підтверджують його поточні амбіції. Окрім тріумфу AlphaGo над Лі Седолом у 2016 році, Сільвер зробив внесок у розробку AlphaZero, більш узагальненої версії системи, яка вивчала кілька ігор з нуля, використовуючи лише самостійну гру та навчання з підкріпленням. Ці досягнення продемонстрували, що системи машинного навчання можуть досягти надлюдської продуктивності за допомогою нових механізмів навчання та алгоритмічних інновацій, а не просто масштабувати існуючі підходи. Нове підприємство Silver має на меті спиратися на ці принципи для створення систем широкого застосування, здатних вирішувати реальні проблеми в різних областях.

У майбутньому компанія Сільвера, ймовірно, стане центром для дослідників ШІ та компаній, які сумніваються в поточній траєкторії розвитку галузі. Питання, чи вдасться цьому підприємству продемонструвати чудові альтернативи сучасним підходам, залишається відкритим, але ресурси, талант і інтелектуальна основа, які зараз стоять за цими зусиллями, свідчать про те, що компанія має справжній потенціал для впливу на майбутні інновації ШІ. У разі успіху робота Сільвера може продемонструвати, що ефективність, елегантність і результативність не потрібно приносити в жертву в гонитві за можливостями — урок, який може змінити підхід усієї галузі до створення інтелектуальних систем на довгі роки.