Rich Sutton Meluncurkan Oak Lab untuk Merevolusi Agen AI Otonom

Pemenang Turing Award, Richard Sutton, telah resmi memasuki arena startup dengan peluncuran Oak Lab, sebuah ventura berbasis di Toronto yang bertujuan untuk mendefinisikan ulang kecerdasan buatan. Melampaui keterbatasan model generatif modern, perusahaan ini berupaya membangun agen otonom yang mampu melakukan penemuan sejati melalui pembelajaran berkelanjutan secara real-time.

Melampaui Imitasi Generatif

Richard Sutton, pelopor reinforcement learning modern dan mantan peneliti di Keen Technologies, percaya bahwa lintasan AI saat ini secara fundamental cacat. Meskipun industri saat ini sedang terobsesi dengan Large Language Models (LLM), Sutton berpendapat bahwa metode deep learning ini "lemah dan tidak efisien."

Menurut Sutton, AI generatif saat ini unggul dalam imitasi tetapi gagal dalam evaluasi mandiri. Karena model-model ini tidak dapat menilai output mereka sendiri secara kritis, mereka secara inheren tidak mampu melakukan penemuan sejati atau kemajuan ilmiah. Misi Oak Lab adalah untuk melewati era "pelatihan statis," di mana model diberi dataset masif lalu dibekukan, menuju masa depan kecerdasan yang dinamis dan berevolusi.

Tujuannya: Pembelajaran Real-Time dan Model Dunia

Bermitra dengan Khurram Javed, Sutton memposisikan Oak Lab untuk mengejar visi yang berakar pada reinforcement learning tingkat lanjut. Alih-alih mengandalkan data yang sudah dikemas sebelumnya, Oak Lab bertujuan untuk mengembangkan agen yang belajar secara berkelanjutan dari lingkungan mereka.

Peta jalan teknisnya berfokus pada beberapa pilar kritis:

• Internal World Models: Membangun agen yang tidak hanya memprediksi token berikutnya, tetapi memahami mekanisme mendasar dari lingkungan sekitarnya.
• Autonomous Evaluation: Mengembangkan sistem yang dapat menangani proses variasi, evaluasi, dan seleksi mereka sendiri tanpa intervensi manusia.
• Real-Time Planning: Beralih dari pencocokan pola reaktif ke perencanaan proaktif yang berorientasi pada tujuan.

Sutton telah menetapkan tolok ukur jangka panjang yang ambisius untuk lab tersebut: menciptakan agen dengan triliun parameter yang mampu melakukan pembelajaran dan perencanaan secara real-time dengan konsumsi energi hanya 20 watt. Target ini menjawab salah satu hambatan paling signifikan dalam AI modern—kebutuhan energi yang masif dari klaster komputasi yang sangat besar.

Mengapa Ini Penting bagi Lanskap AI

Pendirian Oak Lab menandakan potensi pergeseran paradigma dalam industri AI. Sementara sebagian besar pasar saat ini berfokus pada penskalaan arsitektur transformer dan peningkatan ukuran dataset, Sutton menyerukan "pengerjaan ulang secara menyeluruh" terhadap ide-ide dasar yang menggerakkan bidang ini.

Jika Oak Lab berhasil, industri dapat beralih dari metode "brute force" dalam penskalaan data menuju arsitektur yang lebih elegan dan efisien yang meniru kecerdasan biologis. Dengan memprioritaskan reinforcement learning dan interaksi lingkungan, Sutton bertaruh bahwa jalan menuju Artificial General Intelligence (AGI) terletak pada pengalaman dan otonomi, bukan sekadar imitasi skala besar.

Poin-Poin Penting

• Pendekatan Filosofis Baru: Oak Lab bertujuan untuk mengganti metode deep learning "lemah" saat ini dengan agen yang belajar melalui interaksi lingkungan yang berkelanjutan, bukan melalui dataset statis.
• Ambisi Efisiensi: Startup ini menargetkan terobosan dalam efisiensi komputasi, dengan tujuan menciptakan model triliun parameter yang beroperasi hanya dengan daya 20 watt.
• Fokus pada Penemuan: Berbeda dengan AI generatif yang berfokus pada imitasi, Oak Lab membangun agen yang mampu melakukan evaluasi mandiri dan perencanaan real-time secara otonom.