David Silver, lo scienziato di DeepMind che ha progettato l'architettura di AlphaGo, ha fondato una startup chiamata Ineffable per sviluppare quello che definisce un "super learner" di intelligenza artificiale basato sull'apprendimento per rinforzo (reinforcement learning). L'approccio si pone esplicitamente come un percorso alternativo rispetto ai modelli linguistici di grandi dimensioni (LLM), l'architettura dominante alla base dell'odierno boom dell'IA. Silver ha parlato dell'iniziativa in un'intervista con Madhumita Murgia del Financial Times.
Silver ha dichiarato di sentire l'obbligo morale di far progredire questa tecnologia. Si tratta di una presa di posizione significativa per chi ha trascorso anni all'interno di uno dei laboratori di IA più importanti al mondo e ha scelto di andarsene piuttosto che continuare a scalare gli LLM dall'interno.
Perché l'apprendimento per rinforzo, e perché proprio ora
Gli LLM apprendono prevedendo il token successivo attraverso enormi corpora testuali. L'apprendimento per rinforzo funziona in modo diverso: un agente compie azioni, riceve feedback e si adatta di conseguenza. È la tecnica che ha permesso ad AlphaGo di battere i migliori giocatori di Go al mondo, ed è la stessa famiglia di metodi alla base di molti dei sistemi di IA che giocano o controllano robot.
📊 Dati di mercato in sintesi
La scommessa di Silver è che l'apprendimento per rinforzo possa produrre sistemi capaci senza gli enormi costi di calcolo associati all'addestramento dei modelli linguistici di frontiera. Se questa tesi si dimostrerà valida, cambierà il tipo di infrastruttura di cui le aziende di IA avranno bisogno — e quali di esse riceveranno finanziamenti.
Ineffable è solo agli inizi. Non ci sono ancora prodotti, benchmark o ricerche pubblicate da parte dell'azienda. Ciò che esiste oggi è un fondatore con una comprovata esperienza e una tesi che va controcorrente rispetto alla tendenza dominante nell'IA.
Il segnale sul fronte dei talenti conta più della tecnologia in questo momento
Silver non è il primo ricercatore di alto livello a lasciare un grande laboratorio per fondare una startup, ma è uno dei più autorevoli a farlo puntando su un approccio non basato su LLM. Questo inciderà sulla direzione in cui convergeranno i talenti di spicco e i capitali di rischio nei prossimi anni.
Per il settore crypto nello specifico, questa notizia non ha un impatto diretto sui prezzi. A Bitcoin non interessa. La roadmap di Ethereum non cambia. I fondamentali di nessun token mutano perché un ex scienziato di DeepMind ha avviato un'azienda.
Tuttavia, il settore AI-crypto ha trascorso gli ultimi anni a proporsi come la risposta decentralizzata all'IA centralizzata. La maggior parte di queste proposte fa leva su LLM, apprendimento federato o mercati di calcolo GPU. Se i sistemi basati su RL dovessero rivelarsi più efficienti e meno affamati di potenza di calcolo, la proposta di valore cambierebbe. Non da un giorno all'altro, ma plausibilmente su un orizzonte di cinque-dieci anni.
A cosa sono realmente esposti i progetti crypto di IA
L'impatto immediato riguarda il sentiment, non i fondamentali. I token a tema IA vengono scambiati in base alla narrativa, e un ricercatore di alto profilo che convalida l'apprendimento per rinforzo come seria alternativa agli LLM potrebbe alla fine attirare l'attenzione verso progetti sviluppati su tale architettura. Al momento non ce ne sono molti.
C'è anche un aspetto meno rassicurante. I progetti crypto di IA sbandierano spesso assunzioni provenienti dai grandi laboratori come prova di credibilità. Se ricercatori del calibro di Silver continueranno a preferire startup di IA tradizionali rispetto a iniziative crypto, quel bacino risulterà molto più ridotto di quanto il marketing lasci intendere. La guerra dei talenti non si combatte solo tra laboratori di IA, ma anche tra IA e crypto, e il settore crypto non sta chiaramente vincendo la corsa per i profili di massimo livello.
I mercati di potenza di calcolo si trovano di fronte a un interrogativo analogo. I modelli di apprendimento per rinforzo possono, in linea di principio, essere addestrati in modo più efficiente rispetto agli LLM di frontiera, riducendo così la domanda per i colossali cluster di GPU che sostengono diverse narrative di calcolo decentralizzato nel mondo crypto. Questa non è una previsione, ma uno scenario da monitorare con attenzione, poiché la proposta del settore dipende fortemente dalla persistenza della scarsità di risorse computazionali.
Cosa monitorare da qui in avanti
Ineffable non ha ancora pubblicato risultati. Il prossimo traguardo concreto sarà verificare se l'azienda rilascerà ricerche, benchmark o un paper tecnico che dimostri come l'apprendimento per rinforzo possa competere con gli LLM su scala significativa. Fino a quel momento, questa rimane la storia di un fondatore, non una storia di tecnologia.
Le stesse parole di Silver fissano l'asticella: afferma di sentire l'obbligo morale di portare avanti questo lavoro. Il mercato, alla fine, chiederà se Ineffable abbia davvero fatto compiere qualche progresso.
