David Silver, de DeepMind-wetenschapper die de architectuur van AlphaGo ontwierp, heeft een startup opgericht genaamd Ineffable om te bouwen aan wat hij een AI-"super learner" noemt op basis van reinforcement learning. De aanpak wordt expliciet gepositioneerd als een alternatief pad voor grote taalmodellen (LLM's), de dominante architectuur achter de huidige AI-hausse. Silver besprak de onderneming in een interview met Madhumita Murgia van de Financial Times.
Silver verklaarde dat hij een morele verplichting voelt om de technologie vooruit te helpen. Dat is een opmerkelijke formulering van iemand die jarenlang binnen een van 's werelds toonaangevende AI-labs werkte en ervoor koos te vertrekken in plaats van LLM's van binnenuit verder op te schalen.
Waarom reinforcement learning, en waarom nu
LLM's leren door het volgende token te voorspellen over enorme tekstcorpora. Reinforcement learning werkt anders: een agent onderneemt acties, ontvangt feedback en past zich aan. Het is de techniek waarmee AlphaGo 's werelds beste Go-spelers versloeg, en het behoort tot dezelfde familie van methoden achter veel van de AI-systemen die games spelen of robots besturen.
📊 Market Data Snapshot
Silvers inzet is dat RL capabele systemen kan opleveren zonder de torenhoge rekenkrachtkosten die gepaard gaan met het trainen van geavanceerde taalmodellen. Als die aanname standhoudt, verandert dat het type infrastructuur dat AI-bedrijven nodig hebben — en welke spelers financiering ontvangen.
Ineffable bevindt zich nog in een vroege fase. Er is nog geen product, geen benchmark en nog geen gepubliceerd onderzoek vanuit het bedrijf. Wat er wel is, is een oprichter met een sterke reputatie en een visie die ingaat tegen de huidige AI-trend.
Het talentsignaal is momenteel belangrijker dan de technologie
Silver is niet de eerste senior onderzoeker die een groot lab verlaat voor een startup. Hij is echter wel een van de meest geloofwaardige die dat doet met een niet-LLM-aanpak. Dat is bepalend voor waar toptalent en durfkapitaal de komende jaren naartoe zullen vloeien.
Voor crypto in het bijzonder is dit een ontwikkeling zonder directe impact op de prijzen. Bitcoin maalt er niet om. De roadmap van Ethereum verandert niet. De fundamenten van geen enkele token verschuiven doordat een voormalig DeepMind-wetenschapper een bedrijf start.
Toch heeft de AI-cryptosector zichzelf de afgelopen jaren gepositioneerd als het gedecentraliseerde antwoord op gecentraliseerde AI. De meeste van die plannen steunen op LLM's, federated learning of computemarktplaatsen voor GPU's. Als systemen op basis van RL efficiënter blijken en minder rekenkracht vereisen, verschuift die waardepropositie. Niet van de ene op de andere dag, maar mogelijk wel over een horizon van vijf tot tien jaar.
Waar crypto-AI-projecten daadwerkelijk aan blootstaan
De directe implicatie ligt in sentiment, niet in fundamenten. AI-gerelateerde tokens worden verhandeld op basis van narratieven, en een toonaangevende onderzoeker die RL valideert als een serieus alternatief voor LLM's zou uiteindelijk de aandacht kunnen verleggen naar projecten die op die architectuur bouwen. Daar zijn er momenteel echter nog niet veel van.
Er is ook een minder comfortabele kant aan het verhaal. Crypto-AI-projecten pronken vaak met aanwervingen uit grote labs als bewijs van geloofwaardigheid. Als onderzoekers van Silvers kaliber traditionele AI-startups blijven verkiezen boven cryptoprojecten, blijkt die talentenpool dunner te zijn dan de marketing doet vermoeden. De strijd om talent woedt niet enkel tussen AI-labs onderling — het is een tweestrijd tussen AI en crypto, en crypto trekt aan de bovenkant van de trechter allerminst aan het langste eind.
Markten voor rekenkracht (compute) staan voor een vergelijkbaar vraagstuk. RL-modellen kunnen in theorie efficiënter getraind worden dan toonaangevende LLM's, wat de vraag naar de enorme GPU-clusters achter verscheidene crypto-computenarratieven kan verkleinen. Dat is geen vaststaande voorspelling, maar wel een scenario om nauwlettend te volgen, aangezien de propositie van de sector sterk leunt op een aanhoudende schaarste aan rekenkracht.
Waar nu op te letten
Ineffable heeft nog geen resultaten openbaar gemaakt. Het volgende concrete meetpunt is of het bedrijf onderzoek, benchmarks of een technisch paper publiceert dat laat zien dat RL op relevante schaal kan concurreren met LLM's. Tot dat gebeurt, blijft dit het verhaal van een oprichter, en niet van de technologie.
Silvers eigen woorden leggen de lat hoog: hij verklaart een morele plicht te voelen om dit werk voort te zetten. De markt zal uiteindelijk moeten oordelen of Ineffable daadwerkelijk vooruitgang heeft geboekt.
