Rich Sutton gründet Oak Lab, um autonome KI-Agenten zu revolutionieren

Der Turing-Award-Preisträger Richard Sutton ist mit der Gründung von Oak Lab offiziell in die Startup-Welt eingestiegen. Das in Toronto ansässige Unternehmen hat das Ziel, künstliche Intelligenz neu zu definieren. Über die Grenzen moderner generativer Modelle hinaus möchte das Unternehmen autonome Agenten entwickeln, die durch kontinuierliches Lernen in Echtzeit zu echter Entdeckung fähig sind.

Jenseits generativer Imitation

Richard Sutton, ein Pionier des modernen Reinforcement Learning und ehemaliger Forscher bei Keen Technologies, glaubt, dass die aktuelle Entwicklung der KI grundlegend fehlerhaft ist. Während die Branche derzeit von Large Language Models (LLMs) besessen ist, argumentiert Sutton, dass diese Deep-Learning-Methoden „schwach und ineffizient“ seien.

Laut Sutton ist die aktuelle generative KI zwar hervorragend in der Imitation, scheitert jedoch an der Selbstbewertung. Da diese Modelle ihre eigenen Ergebnisse nicht kritisch beurteilen können, sind sie von Natur aus unfähig zu echter Entdeckung oder wissenschaftlichem Fortschritt. Die Mission von Oak Lab besteht darin, die Ära des „statischen Trainings“ – in der Modelle mit massiven Datensätzen gefüttert und anschließend eingefroren werden – hinter sich zu lassen und sich einer Zukunft dynamischer, sich entwickelnder Intelligenz zuzuwenden.

Das Ziel: Echtzeit-Lernen und Weltmodelle

In Partnerschaft mit Khurram Javed positioniert Sutton Oak Lab, um eine Vision zu verfolgen, die im fortschrittlichen Reinforcement Learning verwurzelt ist. Anstatt sich auf vorgefertigte Daten zu verlassen, strebt Oak Lab die Entwicklung von Agenten an, die kontinuierlich aus ihrer Umgebung lernen.

Die technische Roadmap konzentriert sich auf mehrere kritische Säulen:

• Interne Weltmodelle: Entwicklung von Agenten, die nicht nur das nächste Token vorhersagen, sondern die zugrunde liegende Mechanik ihrer Umgebung verstehen.
• Autonome Evaluierung: Entwicklung von Systemen, die ihre eigenen Variations-, Bewertungs- und Auswahlprozesse ohne menschliches Eingreifen bewältigen können.
• Echtzeit-Planung: Übergang von reaktiver Mustererkennung zu proaktiver, zielorientierter Planung.

Sutton hat einen ehrgeizigen langfristigen Maßstab für das Labor gesetzt: die Schaffung eines Agenten mit einer Billion Parametern, der zu Echtzeit-Lernen und -Planung fähig ist und dabei nur 20 Watt Energie verbraucht. Dieses Ziel adressiert einen der bedeutendsten Engpässe der modernen KI – den massiven Energiebedarf riesiger Rechencluster.

Warum dies für die KI-Landschaft von Bedeutung ist

Die Gründung von Oak Lab signalisiert einen potenziellen Paradigmenwechsel in der KI-Branche. Während sich der Großteil des aktuellen Marktes auf die Skalierung von Transformer-Architekturen und die Vergrößerung von Datensätzen konzentriert, fordert Sutton eine „gründliche Überarbeitung“ der grundlegenden Ideen, die dieses Feld antreiben.

Sollte Oak Lab Erfolg haben, könnte sich die Branche von der „Brute-Force“-Methode der Datenskalierung wegbewegen und hin zu eleganteren, effizienteren Architekturen entwickeln, die biologische Intelligenz nachahmen. Indem er Reinforcement Learning und die Interaktion mit der Umwelt priorisiert, setzt Sutton darauf, dass der Weg zur Künstlichen Allgemeinen Intelligenz (AGI) über Erfahrung und Autonomie führt und nicht nur über groß angelegte Imitation.

Die wichtigsten Erkenntnisse

• Neuer philosophischer Ansatz: Oak Lab zielt darauf ab, die derzeitigen „schwachen“ Deep-Learning-Methoden durch Agenten zu ersetzen, die durch kontinuierliche Interaktion mit der Umwelt statt durch statische Datensätze lernen.
• Effizienz-Ambitionen: Das Startup strebt einen Durchbruch in der Recheneffizienz an und setzt sich das Ziel, ein Modell mit einer Billion Parametern zu entwickeln, das mit nur 20 Watt Leistung arbeitet.
• Fokus auf Entdeckung: Im Gegensatz zur generativen KI, die auf Imitation setzt, entwickelt Oak Lab Agenten, die zur Selbstbewertung und autonomen Echtzeit-Planung fähig sind.