Tvůrce AlphaGo říká, že jazykové modely vedou do slepé uličky. Na důkaz zakládá startup za miliardu dolarů
Tvůrce AlphaGo David Silver opouští DeepMind a zakládá Ineffable Intelligence — londýnský startup s rekordním seed kolem 1,1 miliardy dolarů. Jeho teze: velké jazykové modely jsou slepá ulička a skutečná superinteligence se musí naučit sama od sebe, bez lidských dat.
David Silver, muž, který naučil počítač porazit mistra světa v Go, právě řekl celému odvětví umělé inteligence, že dělá zásadní chybu. A místo blogpostu to podložil činem — zakládá startup Ineffable Intelligence s rekordním seed kolem o objemu 1,1 miliardy dolarů. Je to největší seed round v evropské historii a zároveň prohlášení, že éra velkých jazykových modelů se blíží svému stropu.
Kdo je David Silver a proč mu věří Sequoia
Silver není náhodný akademik s kontroverzním názorem. Jako viceprezident pro reinforcement learning v Google DeepMind stál za třemi systémy, které změnily vnímání umělé inteligence: AlphaGo (2016), AlphaZero (2017) a MuZero (2019). Každý z nich dokázal totéž — že stroj, který se učí sám od sebe bez lidských dat, překoná stroj trénovaný na lidském chování.
AlphaGo Zero, verze bez lidských dat, porazila původní AlphaGo trénovanou na tisících profesionálních partií skóre 100:0. Ne mírnou převahou — absolutní dominancí. Pro Silvera to nebyl jen akademický výsledek, ale důkaz principu: lidská data jsou brzda, ne palivo.
Sequoia Capital vede kolo prostřednictvím partnerů Alfreda Lina a Sonyi Huangové. V jednání o účast jsou Nvidia, Google i Microsoft. Valuace před investicí dosahuje 4 miliard dolarů — za firmu, která dosud nepublikovala jediný výsledek a nemá žádný produkt. Vše stojí na Silverově reputaci a jeho tezi.
Proč Silver říká, že jazykové modely nestačí
Současný boom AI stojí na jednom přístupu: vezmete obrovské množství textu napsaného lidmi, natrénujete na něm neuronovou síť a doufáte, že z toho vzejde inteligence. OpenAI, Anthropic, Google — všichni jdou touto cestou. Silver tvrdí, že je to slepá ulička.
Jeho argument vychází z takzvané "Alberta School" — pojmenované podle University of Alberta, kde Silver studoval pod vedením Riche Suttona, jednoho z otců reinforcement learningu. Sutton v roce 2019 publikoval vlivnou esej nazvanou "The Bitter Lesson" (Hořká lekce), ve které argumentoval, že metody spoléhající na lidské znalosti vždy nakonec prohrají s metodami, které škálují výpočet a učení.
Cílem je vybudovat nekonečně se učící superinteligenci, která sama objevuje základy veškerého vědění.
Silver rozlišuje dvě éry AI: současnou éru lidských dat, kde modely imitují to, co lidé napsali, a nadcházející éru zkušenosti, kde se systémy učí interakcí se světem. Dnešní ChatGPT a Claude jsou podle něj vrcholem první éry — impozantní, ale omezené stropem lidského vědění.
Závod o superinteligenci bez jazykových modelů
Silver není první, kdo opustil velké laboratoře s tvrzením, že mainstream AI jde špatným směrem. Ilja Sutskever, bývalý hlavní vědec OpenAI, v roce 2024 založil Safe Superintelligence (SSI) s podobnou tezí — že soustředěné úsilí mimo tlak na produkty může dosáhnout superinteligence rychleji. SSI dnes má valuaci přes 30 miliard dolarů.
Ale přístupy se liší. Sutskever o technickém směru SSI téměř nemluví. Silver je naopak explicitní: reinforcement learning, self-play a učení z prvních principů. Žádné jazykové modely. Zatímco většina laboratoří debatuje o tom, jak přimět LLM lépe uvažovat, Silver se ptá, jestli by vůbec měly být základem.
Co to znamená pro firmy, které sázejí na GPT
Pokud má Silver pravdu, firmy, které dnes budují celé produkty a workflow kolem jazykových modelů, staví na technologii s omezenou životností. To neznamená, že by GPT-5 nebo Claude přestaly fungovat zítra. Ale znamená to, že další paradigmatický skok — skutečně autonomní systémy schopné objevovat nové věci — může přijít z úplně jiného směru.
Pro praktického podnikatele z toho plynou tři závěry:
- Nestavte monolity. Pokud vaše AI strategie stojí a padá s jedním poskytovatelem nebo jedním typem modelu, riskujete. Architektura by měla umožnit výměnu modelu bez přepisování celého systému.
- Sledujte reinforcement learning. Firmy jako Ineffable Intelligence dnes nemají produkt. Za dva roky mohou mít systémy, které řeší problémy, na které jazykové modely nestačí — optimalizace, plánování, vědecké objevy.
- Lidská data nejsou všechno. Pokud váš byznys model závisí na tom, že AI potřebuje lidmi anotovaná data, připravte se na svět, kde to platit přestane. Self-play a syntetická data mohou proměnit celé odvětví od logistiky po vývoj léků.
Miliarda dolarů na víru — a na výsledky
Samozřejmě existuje zásadní námitka. AlphaGo a AlphaZero uspěly v prostředích s jasnými pravidly, dokonalou informací a jednoznačnou odměnou. Reálný svět nic z toho nemá. Škálovat self-play za hranice deskových her do otevřených domén — vědy, inženýrství, podnikání — je nevyřešený problém, na kterém Silver pracoval roky v DeepMind bez definitivního průlomu.
Riziko je reálné. Za miliardu dolarů může Silver vybudovat buď novou éru umělé inteligence, nebo nejdražší akademický experiment v dějinách. Investoři ze Sequoia sázejí na to, že muž, který pětkrát dokázal, že reinforcement learning překonává expertní znalosti, to dokáže i pošesté — tentokrát v měřítku, které změní vše.
Londýnské sídlo Ineffable Intelligence je také symbolické. Evropa produkuje špičkové AI výzkumníky, ale nedokáže si je udržet — odcházejí do amerických laboratoří za vyššími platy a rychlejším škálováním. Miliardový seed round vedený Silicon Valley investory může signalizovat, že geografie špičkového AI výzkumu se konečně začíná rozšiřovat.
Jedno je jisté: éra, kdy byla jediná cesta k umělé inteligenci trénování na lidských textech, se chýlí ke konci. Otázkou není, jestli přijde alternativa — ale kdo ji přinese první a jak rychle změní pravidla hry pro všechny ostatní.