Richard Sutton, noto per essere uno dei co-fondatori dell’apprendimento per rinforzo e vincitore del Premio Turing 2024, ha dato inizio a un progetto ambizioso con la fondazione di Oak Lab, un laboratorio di intelligenza artificiale basato a Toronto. Accanto a Sutton c’è Khurram Javed, con il quale entrambi hanno lavorato precedentemente presso Keen Technologies, un’azienda fondata da John Carmack. L’obiettivo di Oak Lab è progettare agenti AI che siano in grado di apprendere autonomamente direttamente dagli ambienti in cui vengono inseriti.
L’apprendimento che va oltre la semplice imitazione
Nel suo intervento recente, Sutton, riconosciuto come uno dei pionieri dell’apprendimento per rinforzo, ha espresso forti opinioni su metodi esistenti di deep learning, definendoli "debolmente efficienti" e sostenendo che non basta modificare i processi correnti, ma che sono necessari nuovi approcci fondamentali da sviluppare per raggiungere obiettivi ambiziosi nell'ambito dell’intelligenza artificiale.
Nel mese di giugno, ha espresso un critico punto di vista sull’utilità effettiva dell’AI generativa, che secondo lui ha il potenziale di imitare, ma non di valutare in modo autonomo i propri contenuti. Questo rende impossibile per tali sistemi sviluppare una vera forma di scoperta. Oak Lab mira invece a creare agenti che siano capaci di costruire modelli interni del mondo ed elaborare valutazioni e scelte basate sull’esperienza reale.
Una visione diversa: apprendimento da fonti di dati in movimento
Al centro del piano strategico di Oak Lab c’è il credo sostenuto da Sutton che l’intelligenza artificiale non deve limitarsi a essere addestrata su dataset statici, ma deve invece imparare continuamente da esperienze reali al momento del funzionamento. A differenza dell'approccio tradizionale che prevede l’addestramento su enormi dataset una volta per tutte, Oak Lab sostiene l’uso dell’apprendimento per rinforzo come base per uno sviluppo evoluzionistico. La loro visione si distingue per l’ambizione di creare un agente AI con una capacità di elaborazione su larga scala, come “un modello con mille miliardi di parametri in grado di imparare e pianificare in tempo reale con un consumo energetico di 20 watt.”
Oltre i limiti dell’apprendimento supervisionato
Un aspetto che rende Oak Lab interessante, soprattutto per esperti del settore e ricercatori accademici, è la concentrazione su un tipo di apprendimento "continuo" per l’AI. Questo tipo di apprendimento è diverso da quello supervisionato, dove una macchina impara da un insieme di dati contrassegnati, e anche da quello non supervisionato, dove i dati non sono etichettati. Invece, Sutton e il suo team puntano a un modello nel quale il sistema impara da se stessi attraverso interazione diretta e feedback ambientale. Questo metodo promette un grado di autonomia superiore, cruciale per applicazioni complesse come la robotica e la soluzione di problemi aperti.
L’approccio pragmatico di Oak Lab
- Utilizzo intensivo di tecnologie di apprendimento per rinforzo
- Progettazione di agenti AI in grado di costruire modelli interni
- Creazione di architetture che richiedano poca energia
- Sviluppo di sistemi capaci di gestire variazione e valutazione autonomamente
- Promozione di un modello di apprendimento su larga scala e in tempo reale
Un percorso ambizioso in una fase incerta del settore
Come il settore dell’intelligenza artificiale si trova in costante evoluzione, i nuovi tentativi di rethinking della deep learning non possono che attrarre interesse. Sutton, con la sua reputazione di leader innovativo nel campo dell’apprendimento per rinforzo, è in posizione unica per condurre Oak Lab verso lo sviluppo di metodi di AI che possano ridefinire il campo. Sebbene i suoi obiettivi siano grandiosi e richiederanno anni di ricerca e sperimentazione, la fondazione di Oak Lab rappresenta un passo significativo verso una nuova categoria di sistemi di intelligenza artificiale.