Rich Sutton lancia Oak Lab per rivoluzionare gli agenti IA autonomi
Il vincitore del Turing Award Richard Sutton è entrato ufficialmente nell'arena delle startup con il lancio di Oak Lab, un'impresa con sede a Toronto che punta a ridefinire l'intelligenza artificiale. Superando i limiti dei moderni modelli generativi, l'azienda mira a costruire agenti autonomi capaci di una vera scoperta attraverso un apprendimento continuo e in tempo reale.
Oltre l'imitazione generativa
Richard Sutton, pioniere del moderno reinforcement learning e ex ricercatore presso Keen Technologies, ritiene che l'attuale traiettoria dell'IA sia fondamentalmente errata. Mentre l'industria è attualmente ossessionata dai Large Language Models (LLM), Sutton sostiene che questi metodi di deep learning siano "deboli ed inefficienti".
Secondo Sutton, l'attuale IA generativa eccelle nell'imitazione ma fallisce nell'autovalutazione. Poiché questi modelli non possono valutare criticamente i propri output, sono intrinsecamente incapaci di una vera scoperta o di progresso scientifico. La missione di Oak Lab è superare l'era dell' "addestramento statico", in cui i modelli vengono alimentati con enormi dataset per poi essere congelati, verso un futuro di intelligenza dinamica ed evolutiva.
L'obiettivo: apprendimento in tempo reale e modelli del mondo (World Models)
In collaborazione con Khurram Javed, Sutton sta posizionando Oak Lab per perseguire una visione radicata nel reinforcement learning avanzato. Invece di fare affidamento su dati pre-confezionati, Oak Lab punta a sviluppare agenti che apprendano continuamente dai loro ambienti.
La roadmap tecnica si concentra su diversi pilastri critici:
- Modelli del mondo interni (Internal World Models): Costruire agenti che non si limitino a prevedere il token successivo, ma che comprendano la meccanica sottostante del loro ambiente.
- Valutazione autonoma: Sviluppare sistemi in grado di gestire i propri processi di variazione, valutazione e selezione senza l'intervento umano.
- Pianificazione in tempo reale: Passare dal pattern matching reattivo a una pianificazione proattiva e orientata agli obiettivi.
Sutton ha fissato un ambizioso traguardo a lungo termine per il laboratorio: creare un agente da un trilione di parametri capace di apprendimento e pianificazione in tempo reale consumando solo 20 watt di energia. Questo obiettivo affronta uno dei colli di bottiglia più significativi dell'IA moderna: i massicci requisiti energetici dei grandi cluster di calcolo.
Perché questo è importante per il panorama dell'IA
La fondazione di Oak Lab segnala un potenziale cambio di paradigma nell'industria dell'IA. Mentre la maggior parte del mercato attuale è concentrata sulla scalabilità delle architetture transformer e sull'aumento delle dimensioni dei dataset, Sutton invoca una "revisione completa" delle idee fondamentali che guidano il settore.
Se Oak Lab avrà successo, l'industria potrebbe allontanarsi dal metodo della "forza bruta" basato sulla scalabilità dei dati per passare ad architetture più eleganti ed efficienti che imitano l'intelligenza biologica. Dando priorità al reinforcement learning e all'interazione con l'ambiente, Sutton scommette che la strada verso l'Intelligenza Artificiale Generale (AGI) risieda nell'esperienza e nell'autonomia piuttosto che nella semplice imitazione su larga scala.
Punti chiave
- Nuovo approccio filosofico: Oak Lab mira a sostituire gli attuali metodi di deep learning "deboli" con agenti che apprendono attraverso l'interazione continua con l'ambiente, piuttosto che tramite dataset statici.
- Ambizioni di efficienza: La startup punta a una svolta nell'efficienza computazionale, mirando a un modello da un trilione di parametri che operi con soli 20 watt di potenza.
- Focus sulla scoperta: A differenza dell'IA generativa, che si concentra sull'imitazione, Oak Lab sta costruendo agenti capaci di autovalutazione e pianificazione autonoma in tempo reale.