Современные методы глубокого обучения — это не более чем попытка припудрить фундаментальную неэффективность. Пока индустрия сжигает гигаватты на пережевывание статических данных, Ричард Саттон, лауреат премии Тьюринга 2024 года и крестный отец обучения с подкреплением (Reinforcement Learning), переходит в контратаку. В Торонто запущен стартап Oak Lab, где Саттон и его соратник Хуррам Джавед намерены похоронить культ «застывших» весов.
Основатели Oak Lab, успевшие поработать в Keen Technologies у Джона Кармака, транслируют жесткий скепсис в отношении генеративного ИИ. Главная претензия Саттона проста и беспощадна: нынешние модели — это чемпионы по подражанию, лишенные способности самостоятельно оценивать результат. Мы уперлись в потолок, где нейросети лишь копируют человеческий шум, не создавая новых смыслов. Oak Lab планирует сменить парадигму: вместо бесконечного обучения на мертвых датасетах они строят агентов, способных к непрерывному обучению (Online Learning) через прямое взаимодействие с реальностью.
Технологический стек будущего
Отказ от диктатуры предварительного обучения (pre-train). Архитектуры, формирующие внутренние модели мира «на лету». Адаптация к изменениям среды в режиме реального времени. Прямой вызов кризису масштабирования и дефициту мощностей.
Мы создаем системы, где модель сама является судьей своих достижений, опираясь на автономный опыт, а не на подсказки человека.
Амбиции Oak Lab выглядят как пощечина текущему рынку видеокарт. Технический ориентир команды — агент с триллионом параметров, способный обучаться и планировать задачи в реальном времени, потребляя при этом жалкие 20 ватт. Это не просто попытка сэкономить на электричестве, а стремление создать «кремниевый интеллект», который по эффективности работы с информацией наконец-то приблизится к биологическому мозгу, а не к промышленному обогревателю.