主なポイント
AlphaGoを開発した研究者、デビッド・シルバー氏は、AI業界の主流のアプローチは間違っているという理論に基づき、11億ドルのシードラウンドを調達しました。
OpenAIやGoogleが推進する大規模言語モデル（LLM）戦略に直接挑戦する形で、元DeepMindの研究者デビッド・シルバー氏は、自身の新しいスタートアップIneffable Intelligenceのために11億ドルのシード資金を確保しました。ロンドンを拠点とする同社は、強化学習を通じて自己学習型AIを構築することを目指しており、欧州のスタートアップとしては過去最大のシードラウンドで51億ドルの評価額に達しました。
リード投資家であるSequoia Capitalのパートナー、ソーニャ・フアン氏は、「真に基礎的な仕事をした人は、片手で数えられるほど非常に少ない。デーブはその一人だ。次の大きな突破口がどこにあるかという彼の理論に、私は根本的に同意している」と述べました。
このラウンドはSequoia CapitalとLightspeed Venture Partnersが共同リードし、Nvidia、Google、Index Ventures、および英国のSovereign AIファンドが中心となって参加しました。2026年1月に正式に設立され、製品もまだない企業に対するこの巨額の融資は、エリートAI研究者を支援しようとする投資家間の激しい競争を浮き彫りにしています。
この投資は、囲碁でAlphaGoの成功を支えた技術である強化学習（RL）が、人間が生成したデータでLLMを拡張するよりも、超知能へのより現実的な道であるという数十億ドルの賭けを意味します。成功すれば、IneffableのアプローチはLLMが支配する現在の市場を打破し、AI開発の新しいパラダイムを作り出す可能性がありますが、最初のモデルのベンチマークは2026年後半まで期待されていません。
シルバー氏の理論は、膨大な量の人間のテキストや画像でモデルを訓練することによって人工知能を実現するという、現在の業界の主流な手法に対する直接的な反論です。同氏は、LLMは強力ではあるものの、人間のデータという「化石燃料」によって根本的に制限されていると主張します。対照的に、同氏は自身のRLに焦点を当てたアプローチを、「制限なく永遠に」学習できる「再生可能燃料」と表現しています。
Ineffable Intelligenceのビジョンは、単に人間が作成した情報を習得するのではなく、複雑なシミュレーション内での自身の経験から知識を発見する「スーパーラーナー」を作成することです。シルバー氏は、LLMの限界を説明するために思考実験を用います。世界が平らであると信じられていた時代の歴史的データで訓練されたAIは、「地球平面説者」のままであり、自ら真実を発見することはできません。しかし、RLエージェントはシミュレーション内で独自の実験を実行し、新しい科学的発見に到達できる可能性があります。
このアプローチは静的なデータセットでの訓練よりもはるかに困難であり、それが最大規模のLLM訓練に匹敵するシミュレーション環境と計算インフラを構築するために、これほど多額の資本注入が必要な理由の一部となっています。
この資金調達ラウンドの規模は、歴史的にサンフランシスコを拠点とするラボの影で活動してきた欧州のAIシーンにとって転換点となります。これは、DeepMind出身のMistral AIのアーサー・メンシュ氏を含め、著名な研究者が既存の巨人から離れて自身の会社を設立するという、より広範な傾向の一部です。
英国にとって、この投資は象徴的な勝利であり、説得力のある理論を持つトップクラスの才能が、移住することなくシリコンバレーから巨額の資金を引き寄せることができることを示唆しています。しかし、この動きに懐疑的な見方がないわけではありません。Google DeepMindのCEOデミス・ハサビス氏は、製品の開発や収益の発生前に、数十億ドルの評価額で巨額のシードラウンドを調達するスタートアップについて、以前から懸念を表明していました。
Ineffable Intelligenceはこの記述に当てはまりますが、投資家は創業者の実績に賭けています。AlphaGoチームを率いることから、その後継であるAlphaZeroやMuZeroの開発に至るまでのシルバー氏のDeepMindでの仕事は、既存の人間の知識に頼ることなく知能を拡張する能力に対する、強力で一貫した論拠となっています。10億ドルを超える資金を手にした投資家にとっての課題は、彼がボードゲームの閉ざされた世界での成功を、現実の複雑さへと翻訳できるかどうかにあります。
この記事は情報提供のみを目的としており、投資アドバイスを構成するものではありません。
