#### 簡要說明* DeepMind資深員工David Silver為他的新創公司Ineffable Intelligence籌集了11億美元，估值達51億美元。* Silver表示，強化學習，而非大型語言模型，是通往超智能的最佳途徑。* 該公司旨在打造通過模擬和自我對弈學習的“超級學習者”AI。DeepMind的科學家David Silver，曾在2016年AlphaGo戰勝世界圍棋冠軍李世乭的歷史性勝利中扮演關鍵角色，已籌集11億美元，準備推出一家押注下一個AI時代不會來自當前主導技術的初創公司。Silver的公司Ineffable Intelligence於一月成立，估值達51億美元，並押注於強化學習，這是一種通過試錯來改進的AI方法。Silver認為，這種方法比目前主導領域的大型語言模型更具可信度，能更有效地通往超智能。“我認為我們的使命是與超智能進行首次接觸，” Silver在接受_Wired_採訪時表示。“所謂的超智能，我真正指的是一些令人難以置信的東西。它應該能自行發現新的科學、技術、政府或經濟形式。”由哲學家Nick Bostrom在其2014年著作《超智能》中普及，該術語指超越人類智慧、在幾乎所有領域都超越人類的AI，而人工通用智能（AGI）則描述能在廣泛任務中匹配人類推理能力的系統。<span data-mce-type="bookmark" style="display:inline-block;width:0px;overflow:hidden;line-height:0" class="mce_SELRES_start"></span>Silver認為，大型語言模型的根本限制在於它們從人類生成的數據中學習，而非通過經驗建立自己的理解。“人類數據就像一種化石燃料，提供了一個驚人的捷徑，”他說。“你可以把自己學習的系統想像成一種可再生燃料——它可以不斷學習、永不停歇，沒有限制。”Silver在其職業生涯中一直在推動這一觀點。AlphaGo結合了人類訓練數據、強化學習和自我對弈，開發出令頂尖人類玩家都感到驚訝的策略，展示了AI在狹窄領域超越人類先例的能力。“我覺得非常重要的是，有一個專注於這種方法的精英AI實驗室，”他對_Wired_說。“而不是另一個地方只專注於LLMs的角落。”Ineffable Intelligence計劃打造Silver所稱的“超級學習者”——置於模擬環境中的AI代理，能追求目標、失敗、適應並自主提升，而不受靜態人類數據集的限制。Silver拒絕描述這些模擬的具體樣貌，但表示這種方法將使代理能夠合作並自主開發能力。Silver認為，大型語言模型受到訓練數據的限制，他補充說，在一個所有人都相信地球是平的的世界中訓練的模型，除非能自己測試現實，否則可能會一直持有這一信念。他指出，通過經驗學習的系統能夠發現不同的真相。Ineffable Intelligence未立即回應_Decrypt_的置評請求。
Google DeepMind 資深人士籌集 11 億美元打造不以人類數據訓練的人工智慧
簡要說明
DeepMind的科學家David Silver，曾在2016年AlphaGo戰勝世界圍棋冠軍李世乭的歷史性勝利中扮演關鍵角色，已籌集11億美元，準備推出一家押注下一個AI時代不會來自當前主導技術的初創公司。 Silver的公司Ineffable Intelligence於一月成立，估值達51億美元，並押注於強化學習，這是一種通過試錯來改進的AI方法。Silver認為，這種方法比目前主導領域的大型語言模型更具可信度，能更有效地通往超智能。 “我認為我們的使命是與超智能進行首次接觸，” Silver在接受_Wired_採訪時表示。“所謂的超智能，我真正指的是一些令人難以置信的東西。它應該能自行發現新的科學、技術、政府或經濟形式。”
由哲學家Nick Bostrom在其2014年著作《超智能》中普及，該術語指超越人類智慧、在幾乎所有領域都超越人類的AI，而人工通用智能（AGI）則描述能在廣泛任務中匹配人類推理能力的系統。 Silver認為，大型語言模型的根本限制在於它們從人類生成的數據中學習，而非通過經驗建立自己的理解。 “人類數據就像一種化石燃料，提供了一個驚人的捷徑，”他說。“你可以把自己學習的系統想像成一種可再生燃料——它可以不斷學習、永不停歇，沒有限制。”
Silver在其職業生涯中一直在推動這一觀點。AlphaGo結合了人類訓練數據、強化學習和自我對弈，開發出令頂尖人類玩家都感到驚訝的策略，展示了AI在狹窄領域超越人類先例的能力。 “我覺得非常重要的是，有一個專注於這種方法的精英AI實驗室，”他對_Wired_說。“而不是另一個地方只專注於LLMs的角落。” Ineffable Intelligence計劃打造Silver所稱的“超級學習者”——置於模擬環境中的AI代理，能追求目標、失敗、適應並自主提升，而不受靜態人類數據集的限制。Silver拒絕描述這些模擬的具體樣貌，但表示這種方法將使代理能夠合作並自主開發能力。 Silver認為，大型語言模型受到訓練數據的限制，他補充說，在一個所有人都相信地球是平的的世界中訓練的模型，除非能自己測試現實，否則可能會一直持有這一信念。他指出，通過經驗學習的系統能夠發現不同的真相。 Ineffable Intelligence未立即回應_Decrypt_的置評請求。