Rich Sutton rzuca wyzwanie gigantom AI: Oak Lab zbuduje agenty zdolne do samodzielnej nauki

Richard Sutton nie zamierza czekać, aż korporacyjne laboratoria nauczą maszyny myśleć. Laureat Nagrody Turinga z 2024 roku i pionier uczenia ze wzmocnieniem zainaugurował właśnie w Toronto działalność Oak Lab. Nowy startup, założony wspólnie z Khurramem Javedem, to efekt lat pracy nad architekturą OaK (Options and Knowledge), którą Sutton promował na konferencjach AGI-25 oraz RLC 2025.

To kluczowy moment dla branży, bo Sutton uderza prosto w fundamenty sukcesu OpenAI czy Google. Twierdzi otwarcie, że branża AI zgubiła drogę, ignorując podstawowe zasady inteligencji na rzecz prostej statystyki. Podczas gdy świat zachwyca się chatbotami, on buduje systemy, które uczą się w trybie ciągłym z bezpośredniego doświadczenia, a nie z martwych baz danych. „Branża AI straciła kierunek, ignorując podstawowe zasady inteligencji” – ocenia Sutton, wskazując na potrzebę powrotu do korzeni reinforcement learningu.

Koniec z kopiowaniem, czas na odkrywanie

Zdaniem Suttona dzisiejsza generatywna AI to jedynie sprawne narzędzie do imitacji. Brakuje jej mechanizmów rzetelnej oceny własnych wyników, co stanowi barierę nie do przebicia przy próbach dokonywania rzeczywistych odkryć. Lider Oak Lab, który szlifował swoje koncepcje m.in. współpracując z Johnem Carmackiem w Keen Technologies, chce to zmienić. Postuluje całkowite przebudowanie fundamentów. Celem są agenci zdolni do tworzenia wewnętrznych modeli świata i samodzielnej selekcji informacji bezpośrednio z otoczenia. Sutton określa to jako wizję superinteligencji płynącej z doświadczenia.

Efektywność na wagę złota

Podejście Oak Lab rzuca rękawicę modelom trenowanym na ogromnych, statycznych zbiorach danych, które pożerają energię w tempie małych miast. Sutton stawia sprawę jasno: dąży do stworzenia agenta o bilionie parametrów, który będzie planował i uczył się w czasie rzeczywistym. Największy szok budzi jednak zapotrzebowanie na moc. System ma zużywać zaledwie 20 watów energii. To drastyczna zmiana paradygmatu, mająca zastąpić obecną, niewydajną architekturę systemem opartym na czystej ewolucji algorytmicznej.

Według Suttona potrzebujemy agentów, którzy potrafią uczyć się, jak generalizować i budować wiedzę na wysokim poziomie. To nie jest kolejny projekt ulepszający GPT. To próba zrozumienia natury umysłu i stworzenia maszyn, które zamiast powtarzać po nas słowa, zaczną rozumieć zasady rządzące rzeczywistością.