برنده جایزه تورینگ ریچارد ساتون استارتاپ هوش مصنوعی Oak Lab را تاسیس کرد

ریچارد ساتون، برنده جایزه تورینگ ۲۰۲۴ و یکی از بنیانگذاران یادگیری تقویتی مدرن، به همراه همکار دیرینه خود خرم جاوید، استارتاپ جدیدی به نام Oak Lab در تورنتو راه‌اندازی کرده است . این حرکت پس از خروج این دو از شرکت هوش مصنوعی Keen Technologies (تاسیس توسط جان کارمک، سازنده افسانه‌ای بازی‌های ویدیویی) صورت گرفته است .

 چرا ساتون مسیر جدیدی را انتخاب کرد؟

ساتون که در سال ۲۰۲۵ به همراه اندرو بارتو، استاد سابقش، جایزه تورینگ را دریافت کرد، به‌صراحت روش‌های یادگیری عمیق فعلی را «ضعیف و ناکارآمد» توصیف کرده و معتقد است که این روش‌ها نیازمند تغییرات بنیادین هستند، نه وصله‌های سطحی .

دیدگاه ساتون ریشه در مقاله مشهور او به نام «درس تلخ» (The Bitter Lesson) دارد. در این مقاله، او استدلال می‌کند که روش‌های مبتنی بر محاسبات عمومی و یادگیری خودکار، همواره بر رویکردهای مبتنی بر دانش انسانی برتری داشته‌اند. با این حال، او معتقد است که مدل‌های زبانی بزرگ (LLM) فعلی به‌درستی این اصل را دنبال نمی‌کنند .

به باور ساتون، مشکل اصلی مدل‌های فعلی این است که از داده‌های انسانی تقلید می‌کنند، اما توانایی یادگیری از تجربه و کشف دانش جدید را در حین اجرا (runtime) ندارند. او معتقد است که یک سیستم هوشمند واقعی باید بتواند مانند انسان یا حیوانات، به‌طور مداوم از تعامل با محیط خود بیاموزد و مدل داخلی خود را به‌روز کند .

Oak Lab و معماری OaK

شرکت Oak Lab برای تحقق این دیدگاه، بر روی معماری اختصاصی OaK (مخفف Options and Knowledge) کار می‌کند . این معماری بر سه اصل کلیدی استوار است:

1.  یادگیری مستمر: عامل هوشمند باید به‌طور مداوم از تجربیات خود بیاموزد و نه فقط در مرحله آموزش .

2.  مدل‌سازی جهان: عامل باید یک «مدل از جهان» (World Model) درونی بسازد تا بتواند پیامدهای بلندمدت اعمال خود را پیش‌بینی کند .

3.  استقلال از داده‌های انسانی: تمام دانش باید از طریق تجربه و تعامل با محیط به‌دست آید، نه از طریق تغذیه با حجم عظیمی از داده‌های انسانی .

چشم‌انداز بلندمدت Oak Lab بسیار جاه‌طلبانه است: ساخت یک عامل هوشمند با هزاران میلیارد پارامتر که بتواند در لحظه و با مصرف انرژی کمتر از ۲۰ وات، یادگیری و برنامه‌ریزی کند . این دقیقاً نقطه مقابل مدل‌های فعلی است که برای آموزش به سرورهای عظیم و برای اجرا به انرژی زیادی نیاز دارند.

 پیامدها و چالش‌های پیش رو

تاسیس Oak Lab نشان‌دهنده یک جبهه‌گیری فکری در جامعه هوش مصنوعی است. ساتون و همکارانش در این جبهه، به‌صراحت مسیری را دنبال می‌کنند که با رویکرد غالب مدل‌های زبانی بزرگ (که بر پیش‌آموزش با داده‌های عظیم تکیه دارد) متفاوت است. جالب اینجاست که دیوید سیلور، از شاگردان برجسته ساتون و خالق آلفاگو، نیز اخیراً استارتاپ دیگری به نام Ineffable Intelligence با رویکردی مشابه تاسیس کرده است .

با این حال، این مسیر با چالش‌های بزرگی نیز روبه‌روست. مهم‌ترین آنها، حل مشکلاتی چون «فراموشی فاجعه‌بار» (زمانی که یادگیری اطلاعات جدید، اطلاعات قبلی را از بین می‌برد) و «از دست رفتن انعطاف‌پذیری» (زمانی که شبکه عصبی توانایی یادگیری چیزهای جدید را از دست می‌دهد) است . خود ساتون نیز اذعان کرده است که این مسائل هنوز به‌طور کامل حل نشده‌اند .

تاسیس Oak Lab را باید گامی مهم در جهت شفاف‌سازی و ایجاد تنوع در مسیرهای رسیدن به هوش مصنوعی پیشرفته دانست. اگرچه موفقیت این رویکرد در دنیای واقعی همچنان نامشخص است، اما نشان می‌دهد که حتی برجسته‌ترین دانشمندان حوزه هوش مصنوعی، از یکدست شدن مسیر تحقیقاتی نگران هستند و راه‌های جایگزینی را دنبال می‌کنند.

برای مطالعه مقالات بیشتر به سایت خانه متاورس ایران سر بزنید.