Ineffable Intelligence, la scommessa di David Silver: AI che impara dall’esperienza

Mentre quasi tutta l’industria continua a scommettere su modelli sempre più grandi addestrati sul testo di internet, uno dei ricercatori più noti del settore ha scelto la strada opposta. Si chiama David Silver, ha guidato per oltre dieci anni l’apprendimento per rinforzo in Google DeepMind e oggi dirige a Londra Ineffable Intelligence, una startup che ha raccolto 1,1 miliardi di dollari di seed senza avere ancora un prodotto. Il Financial Times le ha dedicato un ritratto il 12 ottobre, riportando l’attenzione su una domanda scomoda: basta davvero aumentare i dati e la potenza di calcolo per superare l’intelligenza umana?

Cos’è Ineffable Intelligence e chi c’è dietro

Ineffable Intelligence è uscita dal silenzio il 27 aprile 2026 con un round da 1,1 miliardi di dollari e una valutazione post-money di 5,1 miliardi, cifre che la fanno rientrare tra i seed più grandi mai raccolti da una startup europea. Una raccolta di circa un miliardo era già circolata a febbraio, ma l’annuncio ha confermato importo e valutazione definitivi.

Il round è stato guidato da Sequoia Capital e Lightspeed Venture Partners, con la partecipazione di Nvidia, Google, Index Ventures, DST Global, BOND, EQT, Evantic e Flying Fish. Hanno investito anche la British Business Bank, con 15 milioni di sterline, e il fondo Sovereign AI del governo britannico, un veicolo da 500 milioni di sterline lanciato il 16 aprile.

Il profilo del fondatore

Silver non è un nome qualsiasi. È professore allo University College London e ha guidato o co-guidato alcuni dei progetti più celebri di DeepMind: AlphaGo, AlphaZero, AlphaStar e AlphaProof. Nel team esecutivo ci sono altri ex DeepMind, tra cui Wojciech Czarnecki, Lasse Espeholt e Junhyuk Oh.

Un dettaglio che ha fatto discutere: Silver si è impegnato a destinare il 100% di ciò che guadagnerà dalle sue quote in Ineffable a organizzazioni benefiche ad alto impatto, attraverso Founders Pledge.

La scommessa: un “superlearner” che impara dall’esperienza

L’idea di fondo è semplice da enunciare e difficilissima da realizzare. Un modello linguistico impara leggendo enormi quantità di testo scritto da esseri umani, quindi il suo orizzonte è, in larga parte, quello della conoscenza che gli umani hanno già prodotto. Ineffable vuole costruire un cosiddetto superlearner, un sistema che scopre conoscenza da solo, interagendo con un ambiente e imparando dai risultati delle proprie azioni.

Nelle parole con cui Sequoia ha presentato l’investimento, si tratta di un sistema pensato per “l’era dell’esperienza”. L’obiettivo dichiarato è arrivare a imparare tutto, dalle abilità motorie di base fino a scoperte intellettuali avanzate, senza partire da dati umani.

È una tesi precisa, non uno slogan.

Perché l’apprendimento per rinforzo

Per capire la logica bisogna tornare ai lavori che hanno reso famoso Silver. AlphaGo ha battuto i campioni umani di Go imparando in parte dalle partite degli esperti, ma AlphaZero ha fatto un passo ulteriore: è partito dalle sole regole e ha imparato giocando contro se stesso, arrivando a livelli superiori. Il principio è quello dell’apprendimento per rinforzo, in cui un agente prova azioni, riceve una ricompensa e corregge il proprio comportamento in base all’esito.

Se vuoi approfondire i meccanismi, abbiamo spiegato anche il deep reinforcement learning con esempi concreti. La differenza rispetto ai grandi modelli linguistici è sostanziale: qui non c’è un corpus da imitare, c’è un mondo da esplorare.

Silver sostiene che questa strada sia necessaria per superare la conoscenza umana e non solo per approssimarla. Il ragionamento è che chi impara soltanto da ciò che gli umani hanno scritto difficilmente potrà andare oltre ciò che gli umani sanno.

Cosa sappiamo e cosa no

Qui serve cautela. Allo stato attuale Ineffable non ha un prodotto, non ha pubblicato una roadmap né risultati su benchmark. Le ricostruzioni riportano che le comunicazioni agli investitori prevedono i primi risultati di un modello verso la fine del 2026, ma si tratta di indicazioni non verificabili in modo indipendente e dunque da prendere con prudenza.

Questo significa che oggi siamo davanti a una scommessa di principio, finanziata a una scala enorme sulla credibilità del fondatore e sulla forza di un’idea. Il punto non è se Silver abbia ragione, ma quanto spazio il mercato sia disposto a lasciare a un’alternativa al paradigma dominante.

Le difficoltà tecniche dell’approccio

L’apprendimento per rinforzo funziona benissimo dove l’ambiente è ben definito e la ricompensa è chiara, come in un gioco da tavolo con regole fisse. Diventa molto più arduo nel mondo reale, dove gli obiettivi sono ambigui, i segnali di successo arrivano in ritardo e gli esperimenti costano tempo e denaro.

Un sistema che voglia imparare “dalle abilità motorie alla scoperta scientifica” dovrà risolvere problemi come la definizione delle ricompense, l’esplorazione efficiente e la generalizzazione tra compiti molto diversi. Nessuno di questi nodi è stato risolto in modo definitivo, e per questo la comunità osserva la mossa con un misto di entusiasmo e scetticismo.

Perché questa notizia conta per il mercato dell’AI

La prima ragione è finanziaria. Un seed da oltre un miliardo di dollari indica che una parte del capitale di rischio non considera il ridimensionamento dei modelli linguistici come unica via verso sistemi più capaci. Quando Nvidia e Google, che sono tra i principali beneficiari dell’attuale paradigma, partecipano a una scommessa su un approccio diverso, il segnale è interessante, anche se non va sovrainterpretato: diversificare è una strategia razionale per chi ha le risorse per farlo.

La seconda ragione riguarda la geografia. Ineffable ha sede a Londra e ha attratto sia investitori privati sia fondi pubblici britannici. È un tassello della competizione europea sull’AI di frontiera, in cui il Regno Unito prova a ritagliarsi un ruolo accanto agli Stati Uniti.

La terza riguarda le persone. Negli ultimi mesi molti ricercatori di primo piano hanno lasciato i grandi laboratori per fondare società proprie, e lo abbiamo raccontato anche con l’investimento di Nvidia in Safe Superintelligence di Ilya Sutskever. Il filo comune è la convinzione che esistano percorsi alternativi alla semplice scala.

Un confronto con gli altri nuovi laboratori

Non tutte le nuove realtà puntano allo stesso obiettivo. Alcune, come quelle che stanno preparando modelli a pesi aperti per sfidare i leader cinesi, come nel caso di Reflection AI, restano dentro il paradigma dei modelli linguistici e lavorano su accesso e trasparenza. Ineffable invece mette in discussione il paradigma stesso.

Sono due scommesse diverse, e la differenza aiuta a leggere meglio il momento: da una parte si migliora ciò che già funziona, dall’altra si prova a cambiare la fonte da cui l’intelligenza viene costruita.

Cosa cambia per chi lavora con l’AI

Nel breve periodo, per professionisti e aziende non cambia nulla di operativo: non esiste un prodotto da provare e i modelli che usi ogni giorno restano quelli di OpenAI, Google, Anthropic e degli altri. Cambia invece il modo di guardare al medio termine.

Se l’approccio di Silver dovesse dare risultati, vedremmo sistemi capaci di migliorarsi attraverso l’interazione e non solo tramite nuovi cicli di addestramento su testo. Le applicazioni più naturali sarebbero quelle in cui esiste un ambiente da esplorare: robotica, scoperta scientifica, ottimizzazione di processi complessi.

Se invece i risultati non arrivassero, il caso resterebbe un esempio di quanto il mercato sia disposto a pagare per una visione. In entrambi i casi vale la pena seguirlo.

Come seguire la vicenda

Tre segnali meritano attenzione nei prossimi mesi: la pubblicazione di un primo modello o di un articolo scientifico, la comparsa di benchmark confrontabili con quelli dei modelli linguistici e eventuali partnership con produttori di robot o laboratori di ricerca. Finché questi elementi mancano, ogni previsione resta un’ipotesi.

Conclusioni: una scommessa da tenere d’occhio

Ineffable Intelligence è, per ora, più una promessa che un prodotto, ma è una promessa con un peso specifico fuori dal comune: un fondatore che ha segnato la storia dell’apprendimento per rinforzo, oltre un miliardo di dollari e il sostegno di alcuni dei nomi più importanti del settore. Il dibattito che apre, se si arrivi all’intelligenza oltre il livello umano scalando i modelli o facendo imparare le macchine dall’esperienza, è tra i più importanti dei prossimi anni.

Se ti interessa capire dove va l’AI, il consiglio è semplice: non limitarti a seguire i lanci dei modelli più noti, ma guarda anche alle idee alternative che ricevono capitali di questa portata. Continua a seguire intelligenzaartificiale.net per gli aggiornamenti, e lasciaci un commento per dirci da che parte stai: scala o esperienza?