去掉人类棋谱之后两天反超：David Silver要把赌注押到超级智能上

2009年，David Silver的博士论文主题是将强化学习应用于围棋——人类用数千年都没能完全参透的游戏。十多年后，他做了一件更极端的事：把AlphaGo训练过程中依赖的全部人类棋谱数据拿掉，得到的AlphaGo Zero用不到两天时间就超越了用人类数据训练出来的前代系统。这次经历成了他此后所有判断的起点，也是他离开DeepMind、与Lasse Espeholt共同创立ineffable Intelligence的理由。

在Sequoia Capital合伙人Sonya Huang主持的Training Data播客上，两人详细谈了这场赌注：不靠人类语言和人类数据，让一个系统从一无所知开始，自己发现科学、数学与语言——他们称之为“超级学习者”（superlearner）。

这不是一次常规的创业故事。Silver用围棋生涯里最反直觉的结果作为论据，Espeholt则带来了他在DeepMind和Google Brain期间把强化学习规模化的工程经验。两人想验证的，是整个行业目前都还没有人认真下注的一个方向。

1. 去掉人类棋谱之后，系统两天就超越了前代

这场实验开始得比ineffable早得多。2009年的博士阶段，Silver就认定了一件事：通向智能乃至超级智能的正确路径，是让系统通过强化学习从经验中学习、自己变得越来越强，而不是靠人塞给它答案。围棋证明了这一点可行，此后这个判断在他的整个职业生涯里没有变过。

真正让他意外的，是后来LLM世界展示出的一个现象：一个在海量数据上预训练过的系统，竟然可以在极小一批数据上快速微调，行为就发生彻底改变。这让我意识到，一旦把规模做对，很多原本看起来极其困难、极其缓慢的事情，在经历过足够多数据之后会突然变快——这是他此前没有预料到的一课。

2. 离开DeepMind，只因为那条路线不经过LLM

按理说，Silver完全可以在DeepMind内部跑这个项目——那里的算力资源几乎没有人能比。但他的解释是，自己对如何通向超级智能有一个很强的信念，而这条路径并不经过以LLM为中间产品的阶段。一旦认真想清楚这件事，他觉得这个判断值得被一整个全力以赴的实验室代表，而不是一个以LLM产品为中心的组织里的一个角落。

更现实的考量是，全世界已经有成千上万名顶尖研究者在做同一件事——围绕预训练、后训练和编码能力不断加码LLM。再多一个人去做同样的事，未必是时间和精力最好的用法；反倒是那盏“没人去看”的路灯下面，如果押对了，一旦成功就会改变整个AI领域。这个判断，加上一个本来就想好、不舍得浪费的公司名字，促成了ineffable的诞生。

3. “ineffable”：一半是野心，一半是双关的自我保证

公司名字背后有两层意思。第一层是认真的：超级智能有一天会发现的知识，会是人类难以想象的，profound到甚至没办法用人类语言表达出来——这恰好呼应了ineffable不走“基于人类语言”路线的选择，转而让系统自己去发现知识。第二层是埋起来的玩笑：如果真的全押在“从经验中学习”这件事上，那这条路就必须成功，换句话说，它“不可能搞砸”——这也是“ineffable”这个词里藏着的一个双关。

4. 两次离开DeepMind之后，带着强化学习规模化的全部经验回来

Lasse Espeholt在2015年1月加入DeepMind，大约从2016年起开始和Silver一起共事——当时他在深度学习团队，Silver带的是强化学习团队，两人在一个内部项目上合作。此后他两次离开DeepMind：2018年夏天第一次离开去了Google Brain，后来Google Brain和DeepMind合并，他又回到了原来的组织；又过了一年左右，在Silver离职前，他第二次离开。

他听说ineffable这件事，是因为一位后来的投资人找他打听对Silver的看法。他的第一反应是“糟了，我错过了一个机会，早该自己联系他”——没想到不久之后，那位投资人反过来联系了他。促成他加入的，除了和Silver共事的经历，还有他本来就认识的Wojciech和Chris、对团队的认可，以及在欧洲做这样一个项目的吸引力。真正让Silver看重的，是Lasse当年在规模化强化学习上做的开创性工作——如何把强化学习并行化、搭建可扩展的架构，这些思路后来成了整个领域今天普遍使用的方法的源头。

5. “超级学习者”要同时具备深度和广度

对Silver来说，“超级学习者”必须同时具备两种能力。深度上，它要能从一无所知出发，一路走到发现远超人类已知范围的东西。他的类比是人类集体的历史：我们曾经只是脑子里的一团灰色物质，一无所知，却靠集体发现，摸索出了今天人类掌握的一切——语言、技术、科学、数学，没有人下凡给我们一份蓝图，也没有人喂给我们一个万亿级别的数据集，一切都是自己摸索出来的。这件事至今没有任何AI系统做到过，他认为这正是通向超级智能的关键。

广度上，这样的系统应该可以被丢进任何一种经验流里——模拟世界、数字世界或者物理世界——都能持续学习下去。如果这两件事都能实现，他认为诞生的将是一种“像遇到魔法一样”的超级智能。

从AlphaGo到AlphaGo Zero，Silver用两天时间验证了一个判断：拿掉人类先验，系统反而能更快地超越人类经验本身。ineffable Intelligence想做的，是把这个判断从一盘棋扩展到整个世界——让一个从零开始的系统，独自走完人类花了几万年才走完的发现之路。这场赌注能不能成立还有待验证，但至少在Silver和Espeholt看来，这是目前整个行业都还没有人认真尝试的另一条路。