Рич Саттон запускает Oak Lab, чтобы совершить революцию в области автономных ИИ-агентов
Лауреат премии Тьюринга Ричард Саттон официально вышел на арену стартапов, запустив Oak Lab — проект из Торонто, целью которого является переосмысление искусственного интеллекта. Выходя за рамки ограничений современных генеративных моделей, компания стремится создавать автономных агентов, способных к подлинным открытиям посредством непрерывного обучения в режиме реального времени.
Выход за рамки генеративной имитации
Ричард Саттон, пионер современного обучения с подкреплением и бывший исследователь в Keen Technologies, считает, что нынешний вектор развития ИИ в корне ошибочен. В то время как индустрия сейчас одержима большими языковыми моделями (LLM), Саттон утверждает, что эти методы глубокого обучения являются «слабыми и неэффективными».
По мнению Саттона, современный генеративный ИИ превосходно справляется с имитацией, но терпит неудачу в самооценке. Поскольку эти модели не могут критически оценивать собственные результаты, они по своей сути неспособны к подлинным открытиям или научному прогрессу. Миссия Oak Lab заключается в том, чтобы перейти от эпохи «статичного обучения», когда модели обучаются на массивных наборах данных, а затем «замораживаются», к будущему динамичного, эволюционирующего интеллекта.
Цель: обучение в реальном времени и модели мира
В партнерстве с Куррамом Джаведом Саттон позиционирует Oak Lab как проект, преследующий видение, основанное на продвинутом обучении с подкреплением. Вместо того чтобы полагаться на готовые наборы данных, Oak Lab стремится разрабатывать агентов, которые непрерывно обучаются, взаимодействуя с окружающей средой.
Техническая дорожная карта сосредоточена на нескольких критически важных направлениях:
- Внутренние модели мира: Создание агентов, которые не просто предсказывают следующий токен, но и понимают лежащие в основе механизмы своего окружения.
- Автономная оценка: Разработка систем, способных самостоятельно управлять процессами вариативности, оценки и выбора без вмешательства человека.
- Планирование в реальном времени: Переход от реактивного сопоставления с шаблонами к проактивному, целеориентированному планированию.
Саттон установил для лаборатории амбициозный долгосрочный ориентир: создание агента с триллионом параметров, способного к обучению и планированию в реальном времени, потребляя при этом всего 20 ватт энергии. Эта цель направлена на решение одной из самых серьезных проблем современного ИИ — колоссальных энергозатрат огромных вычислительных кластеров.
Почему это важно для ландшафта ИИ
Основание Oak Lab сигнализирует о потенциальной смене парадигмы в индустрии ИИ. В то время как большая часть нынешнего рынка сосредоточена на масштабировании архитектур трансформеров и увеличении объемов наборов данных, Саттон призывает к «полной переработке» основополагающих идей, движущих этой областью.
Если Oak Lab добьется успеха, индустрия сможет отойти от метода «грубой силы» (масштабирования данных) в сторону более элегантных и эффективных архитектур, имитирующих биологический интеллект. Отдавая приоритет обучению с подкреплением и взаимодействию с окружающей средой, Саттон делает ставку на то, что путь к общему искусственному интеллекту (AGI) лежит через опыт и автономию, а не просто через масштабную имитацию.
Основные выводы
- Новый философский подход: Oak Lab стремится заменить нынешние «слабые» методы глубокого обучения агентами, которые обучаются посредством непрерывного взаимодействия с окружающей средой, а не на статических наборах данных.
- Амбиции в области эффективности: Стартап нацелен на прорыв в вычислительной эффективности, стремясь создать модель с триллионом параметров, работающую всего на 20 ваттах мощности.
- Акцент на открытиях: В отличие от генеративного ИИ, ориентированного на имитацию, Oak Lab создает агентов, способных к самооценке и автономному планированию в реальном времени.