Отец обучения с подкреплением основал Oak Lab против "слабого" ИИ

Когда папа RL говорит, что все идет не так
Представьте: человек, который заложил математические основы обучения с подкреплением, смотрит на современный ИИ-бум и говорит - "вы все делаете неправильно". Именно это и произошло. Ричард Саттон, лауреат премии Тьюринга 2024 года и один из архитекторов современного RL, объявил о запуске стартапа Oak Lab в Торонто. И это не очередной "мы делаем LLM лучше" - это принципиальный разрыв с господствующей парадигмой.
Саттон основал компанию вместе с Хуррамом Джавидом. Оба до этого работали в Keen Technologies - ИИ-стартапе Джона Кармака, легенды игровой индустрии, который тоже делает ставку на фундаментально иной подход к интеллекту. Совпадение? Скорее, закономерность: люди, которые думают о долгосрочных архитектурах, а не о квартальных бенчмарках, тяготеют друг к другу.
Что именно не так с современным ИИ - по Саттону
Саттон не стесняется в выражениях. Нынешние методы глубокого обучения он называет "слабыми и неэффективными" и утверждает, что они требуют не доработок, а фундаментального переосмысления. Это сильное заявление от человека, который сам стоял у истоков нейросетевой революции.
Еще в июне он сформулировал ключевую претензию к генеративному ИИ: эти системы хороши в имитации, но не способны оценивать собственные выходные данные. Грубо говоря, GPT-4o или Claude может написать убедительный текст, но не знает, правда ли то, что он написал - он лишь воспроизводит статистические паттерны из обучающей выборки. Открытий такой подход не дает по определению.
Это не новая критика - ее высказывали многие, включая Яна Лекуна. Но от Саттона она звучит особенно весомо, потому что он предлагает конкретную альтернативу, а не просто философствует.
Что строит Oak Lab
Центральная идея Oak Lab - агенты, которые учатся непрерывно в процессе работы, а не один раз на статическом датасете. Это принципиально другая архитектура мышления о системах ИИ.
Вместо огромного предобученного монолита Саттон хочет создать агентов, которые: - Строят внутренние модели мира на основе опыта - Самостоятельно генерируют гипотезы и проверяют их - Управляют вариативностью, оценкой и отбором без внешней разметки
Это классический reinforcement learning, доведенный до логического предела. Не RLHF поверх LLM (как у OpenAI), а RL как основная парадигма с нуля.
Долгосрочная цель звучит почти фантастически: агент с триллионом параметров, способный учиться и планировать в реальном времени, потребляя всего 20 ватт энергии. Для сравнения - обучение GPT-4 потребовало десятки мегаватт. Если Саттон хотя бы приблизится к этому показателю, это будет революция эффективности.
Почему это важно прямо сейчас
Мы живем в странный момент: индустрия вложила сотни миллиардов долларов в архитектуру трансформеров и масштабирование. Scaling laws работают - но все медленнее. GPT-4 → GPT-4o → GPT-5 - каждый скачок требует больше ресурсов, а прирост становится менее драматичным.
Альтернативные подходы начинают получать серьезное внимание. Лекун продвигает JEPA и предиктивные архитектуры в Meta. Хассабис в DeepMind делает ставку на нейросимволические системы и AlphaFold-подобные прорывы. Теперь Саттон открыто говорит, что масштабирование трансформеров - тупик для достижения "амбициозных целей ИИ".
Это не маргинальная позиция - это нарастающий консенсус среди людей, которые думают о следующем десятилетии, а не о следующем квартале.
Что это значит для разработчиков и бизнеса
Для большинства компаний, которые сегодня строят продукты на основе API OpenAI или Anthropic, Oak Lab - это история про послезавтра. Реальные результаты, если они появятся, придут через несколько лет.
Но для разработчиков, которые работают с RL-агентами, роботикой или системами реального времени - это сигнал. Reinforcement learning возвращается в центр дискуссии, уже не как вспомогательный инструмент для RLHF, а как самостоятельная парадигма.
Для российских разработчиков: Oak Lab пока что стартап без публичных продуктов и API. Следить за их публикациями можно без VPN - исследовательские работы выходят в открытом доступе. Когда появятся инструменты - скорее всего, через GitHub и arXiv, что доступно из РФ без ограничений.
Мой взгляд
Саттон - не стартапер в обычном смысле. Ему 67 лет, у него есть премия Тьюринга и учебник, по которому учится половина RL-сообщества планеты. Когда такой человек говорит "текущий путь ведет не туда" и основывает компанию - это не хайп, это осознанная ставка.
Меня особенно цепляет формулировка про 20 ватт. Это мощность человеческого мозга. Саттон явно целится не в "лучший чатбот", а в принципиально иной класс систем - эффективных, автономных, способных к реальному открытию. Получится или нет - вопрос открытый. Но то, что кто-то с такими credentials делает эту ставку публично - само по себе событие для всей индустрии.
Источники
Похожие новости
OpenAI выпустила GPT-6.2 Astra и Sol: входные и выходные токены Astra в API на 20% дешевле, чем у GPT-6 Astra
OpenAI представила две модели: флагманскую GPT-6.2 Astra и экономичную GPT-6.2 Sol. Они доступны в ChatGPT Work, Codex и API и тратят меньше выходных токенов. В API Astra дешевле GPT-6 Astra: входные и выходные токены на 20% ниже, на кэшированные входные скидка 60%.
OpenAI показала агентов GPT-6 для клиник: Luna выполняет задачу за 8,5 цента
OpenAI предложила больницам и страховщикам GPT-6 Astra и Luna: агенты сами кликают по программам клиник и порталам страховых. Среди партнеров компании - CVS Health и Cigna Healthcare.
NVIDIA Vera Rubin NVL72 в MLPerf Endpoints: более 10x токенов на киловатт к GB300
В предварительных результатах MLPerf Endpoints v1.0 система Vera Rubin NVL72 выдала более чем в 10 раз больше токенов на киловатт, чем GB300 NVL72. Результаты еще не верифицированы MLCommons.