上海
強化學習大神西爾弗（David Silver）在去年11月離開DeepMind之后，正在以40億美元的估值，獲得一筆高達10億美元的天使輪融資，紅杉領投，英偉達、谷歌、微軟等也在排隊加入。
西爾弗創辦的“不可言喻的智能” （Ineffable Intelligence）公司，研究主要從經驗而不是人類語言學習的AI系統，“一種能夠自我發現所有知識基礎的無限學習型超級智能”。
西爾弗曾批評AI正在陷入“大語言模型之谷”。他認為，超級規模的強化學習展開了一條通向超人智能的明確路徑。其有效性已經一再得到證明（如Atari, AlphaGo, AlphaZero......)。同樣的方法也適用于強大的LLM先驗模型（例如AlphaProof）。他說此番話在2024年9月，后來可驗證的強化學習（RLVR）成為技術主流，引領著推理模型迅速演進，在編程和數學等領域取得突破。
西爾弗與強化學習之父、圖靈獎獲得者薩頓（Rich Sutton）于2025年4月發布論文《歡迎來到經驗時代》，這個AI時代的特征，是智能體及其環境。智能體將主要從與經驗的互動中學習，而不僅僅是來自人類的數據。強大的智能體將會像人類一樣，在長時間尺度中持續學習新的知識，最終達到超人類的智能。
西爾弗長期擔任DeepMind的首席研究科學家，是強化學習的一面旗幟。他主導了AlphaGo、AlphaZero的研究，產生了AlphaGo在對局李世石的第二盤下出第37手的頓悟時刻，并且在對弈領域通過無監督學習實現超級智能。DeepSeek的R1 Zero，被認為是在向AlphaZero致敬。
即使在ChatGPT推出后的深度學習主導生成式AI時期，西爾弗對強化學習的信念也堅定不移。在OpenAI負責推理模型的科學家布朗（Noam Brown），曾在DeepMind實習，參與了AlphaGo 和AlphaZero項目，深受西爾弗影響。他延著強化學習的思路，擴展后訓練規模，構建了GPT模型的“慢思考”推理模型。
DeepMind的強化學習與OpenAI的深度學習之間的競爭，其學術背景是辛頓（Geoffery Hinton）與薩頓學派之爭，他們一位在加拿大東部的多倫多大學執教，一位在加拿大西部的阿爾伯塔大學研究。西爾弗與OpenAI首席科學家伊利亞（Ilya Sutskever）分別出自薩頓和辛頓門下。
伊利亞在離開OpenAI創業之后，成立安全超級智能（SSI）公司，并且宣布預訓練已死，深度學習結合強化學習是其選定的方向。
西爾弗與DeepMind創始人、諾貝爾獎得主哈薩比斯（Damis Hassabis）相識于劍橋大學本科階段，他曾參與了哈薩比斯創辦的萬靈藥游戲工作室，后來成為DeepMind的最早AI研究骨干。他是世界頂級的AI研究科學家，在倫敦大學學院擔任教授，是DeepMind發表論文最多的員工之一，論文引用高達20萬次。
西爾弗和伊利亞、李飛飛、楊立昆創業，代表了一批新型AI研究實驗室的涌現。這些頂級AI實驗室首席科學家和頂級AI科學家，從強化學習和世界模型兩條道路，探索超越大語言模型，以實現AGI或者超級AI，得到了風險資本和科技巨頭的追捧。李飛飛的世界實驗室（World Labs）從a16z、英偉達、AMD等融最新融資10億美元，用于研究世界模型，開發機器人和科學探索方面的應用。
最近楊立昆的AMI Labs正在以30億歐元（35億美元）估值融資5億歐元。這樣，英國倫敦和法國巴黎將各自擁有兩家一流的AI實驗室，其背后的主要風險資本來自美國，但歐洲正在真正投入AI的全球競爭。
西爾弗對強化學習有堅定的信念，被公認為是強化學習領域的靈魂人物之一；如此地位，很大程度上源于他能夠將復雜的理論轉化為具有劃時代意義的工程實踐。值得馬年期待。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
