Саттон уходит из лаборатории Кармака, чтобы объявить войну LLM

Представьте себе индустрию ИИ как огромную скоростную магистраль: восемь полос, все движутся в одном направлении, все жмут на газ в сторону всё более крупных трансформеров и всё большего объёма текстовых данных. 14 июля 68-летний мужчина из Альберты съехал на ближайшем съезде, развернул машину и поехал в обратном направлении. На пассажирском сиденье у него лежала премия Тьюринга.

Ричард Саттон — человек, которого большинство специалистов в области ИИ назовут изобретателем обучения с подкреплением, — ушёл из ИИ-стартапа Джона Кармака, чтобы создать нечто, не имеющее ничего общего с GPT. И он не скрывает причин своего решения.

Что произошло

Как сообщило BigGo Finance, Саттон объявил в X, что вместе с соавтором Хуррамом Джавидом покидает Keen Technologies — ИИ-компанию, основанную легендарным разработчиком игр Джоном Кармаком, — чтобы основать Oak Lab. Новая компания зарегистрирована в Канаде, где Саттон провёл свою академическую карьеру в качестве профессора информатики в Университете Альберты.

Регалии важны, потому что масштаб заявления огромен. Саттон получил степень бакалавра по психологии в Стэнфорде, затем защитил докторскую диссертацию в UMass Amherst под руководством Эндрю Барто. Он создал алгоритм обучения с временны́ми разностями, в соавторстве с Барто написал книгу Reinforcement Learning: An Introduction, а в 2025 году оба совместно получили премию ACM Тьюринга за основополагающий вклад в обучение с подкреплением. Среди его бывших студентов — Дэвид Силвер, создавший AlphaGo и основавший Ineffable Intelligence, и Дойна Прекуп, руководящая DeepMind Montreal.

Oak Lab строится вокруг архитектуры OaK — аббревиатуры от Options and Knowledge («Опции и Знания»), возникшей из исследовательской программы «Альбертский план». Долгосрочная цель — агент с триллионом параметров, работающий на мощности 20 ватт, то есть с таким же энергетическим бюджетом, что и человеческий мозг. Саттон хочет обучения в реальном времени с размером батча равным единице. Никакого предварительного обучения, никаких замороженных весов, никакого принципа «выпустил и забыл».

К этому он шёл давно. В сентябре 2025 года в интервью Двракешу Пателю он утверждал, что LLM не воплощают дух его эссе 2019 года «Горький урок» ("The Bitter Lesson"). В мае 2026 года на лекции Dertouzos Distinguished Lecture в MIT он прямо заявил, что ИИ как масштабная индустрия в значительной мере сбилась с пути. Oak Lab — это то, как выглядит это утверждение, когда за ним стоят деньги и инженеры.

Техническая анатомия

Чтобы понять эту ставку, нужно понять, на каком съезде, по мнению Саттона, индустрия свернула не туда. В эссе «Горький урок» был проведён обзор 70 лет исследований в области ИИ, и вывод звучал так: закодированные вручную человеческие знания всегда проигрывают общим методам плюс масштабированию. Ведущие лаборатории прочитали это эссе и услышали: масштабируйте трансформеры. Саттон перечитал собственное эссе и слышит совсем другое: учитесь на опыте, а не на чужих домашних заданиях.

Ядро OaK покоится на трёх принципах. Агент должен быть универсальным, без заранее запрограммированных предметно-специфических знаний. Все знания должны приходить из опыта. А движущей силой служит максимизация накопленного вознаграждения. «Опции» в названии — это поведенческие политики, растянутые во времени: последовательности действий с условиями завершения, а не однократные реакции. «Знание» — это то, что агент накапливает, выполняя эти опции в реальном мире.

Требование размера батча, равного единице, — вот где начинается самое интересное. Каждый, кто обучал современные нейросети, знает: батч размером один — это то, где всё рассыпается. Шум градиента разрушает всё. Современное глубокое обучение — это по существу очень сложная машина усреднения, а усреднение по батчу из одного элемента — это просто отсутствие усреднения. Саттон и его команда считают, что сочетание их алгоритмов с событийно-управляемыми нейронными сетями способно снизить необходимые вычисления и энергопотребление на несколько порядков. Это единственный реалистичный путь к 20 ваттам. До бюджета мощности мозга нельзя добраться, просто уменьшив транзисторы в преемнике H100. К нему приходишь, вообще не выполняя лишнюю работу.

Две проблемы, которые Саттон открыто признаёт, — это катастрофическое забывание, когда новое обучение перезаписывает старые знания, и потеря пластичности, когда сеть постепенно утрачивает способность усваивать что-либо новое. Обе остаются нерешёнными в серьёзном смысле слова. LLM обходят их, попросту не обучаясь после тренировки. Oak Lab вынуждена смотреть им в лицо напрямую, поскольку непрерывное обучение — это и есть весь смысл проекта. О долгосрочных амбициях сообщало издание 36Kr, но ближайшая исследовательская задача чрезвычайно сложна, и честные специалисты в этой области скажут вам, что никто её ещё не решил.

Кому это грозит

Короткий ответ: не ведущим лабораториям, по крайней мере пока. OpenAI, Anthropic и Google не заметят канадский исследовательский стартап в своих финансовых отчётах в следующем квартале. Внимание стоит обратить тем, кто находится на уровень ниже.

Начнём с фреймворков агентов. Многое из того, что в 2026 году продаётся под видом «ИИ-агентов», — это языковая модель в цикле с инструментами и каким-то костылём для памяти. Если Саттон и Силвер правы в том, что настоящее непрерывное обучение имеет значение, то такие системы — по существу очень сложные марионетки. Они не могут учиться у пользователя, не могут исправлять собственные ошибки, не могут изобретать новые стратегии. AlphaZero отказался от человеческих шахматных партий и нашёл игру лучше, чем когда-либо играли люди. Ни один агент на основе LLM, выпущенный сегодня, не делает ничего подобного. Основателям, строящим на агентных стеках Claude или Gemini, стоит хотя бы спросить себя: как выглядит их конкурентное преимущество, если весь подход окажется локальным максимумом?

Во-вторых, магазины RLHF и дообучения. Если обучение с подкреплением как полноправный инструмент вернётся, то индустрия «добавить модель предпочтений поверх базовой LLM» окажется под давлением с обеих сторон. Ведущие лаборатории будут продолжать делать это внутри, а новая волна систем, нативных для RL, сделает такой подход поверхностным.

В-третьих, и это особенно интересно для команд в финтехе и iGaming: обещание агента, обучающегося онлайн, в реальном времени, на основе собственных действий, с размером батча равным единице, — это именно та форма задачи, которую решают эти отрасли. Обнаружение мошенничества, динамическое ценообразование в режиме реального времени, петли персонализации. Никому в этих отраслях на самом деле не нужна замороженная модель. Им нужна система, которая адаптируется к сегодняшнему трафику, а не к прошлоквартальному. Если Oak Lab выпустит что-то пригодное к использованию в ближайшие три года, первыми коммерческими клиентами станут прикладные ИИ-команды в платежах и беттинге, а не компании потребительских чат-ботов.

Стратегия для разработки ИИ

Никому не стоит выбрасывать свой LLM-стек на этой неделе. Это было бы глупо. Но есть три шага, которые стоит сделать.

Первый: прочитайте «Горький урок» и сентябрьское интервью 2025 года с Двракешем Пателем самостоятельно, прежде чем позволять своим архитекторам объяснять вам, что имел в виду Саттон. Это эссе цитируют два противоположных лагеря в обоснование противоположных выводов. Это намёк на то, что стоит составить собственное мнение.

Второй: проверьте, какие части вашей ИИ-системы действительно нуждаются в непрерывном обучении, а какие вполне устраивает замороженная модель. Большинству продуктовых функций оно не нужно. Некоторым — нужно, и именно там LLM плюс векторная база данных — это пока что скотч. Будьте честны с собой насчёт того, что есть что. Если вы каждую неделю прогоняете дообучение через пайплайны Hugging Face только для того, чтобы держать модель актуальной, — это сигнал, что вы работаете против подхода, а не вместе с ним.

Третий: следите за Ineffable Intelligence и Oak Lab вместе. Источник описывает их как скоординированный вызов доминирующему подходу к ИИ. Две команды с родословной, восходящей к лауреату премии Тьюринга, указывающие в одном направлении, — это не погрешность округления. Возможно, они не выпустят ничего готового к применению в течение пяти лет. Но возможно и то, что они создадут нечто, способное поглотить значительную часть того, на чём вы строите сегодня.

Ключевые выводы

• Саттон и Хуррам Джавид покинули Keen Technologies 14 июля, чтобы основать Oak Lab в Канаде, построенную вокруг архитектуры OaK (Options and Knowledge) из программы «Альбертский план».
• Долгосрочная цель — агент с триллионом параметров, работающий на мощности 20 ватт, соответствующей энергетическому бюджету человеческого мозга, с обучением в реальном времени при размере батча равном единице.
• Саттон утверждает, что LLM нарушают дух его эссе 2019 года «Горький урок», поскольку учатся на человеческих данных, а не на опыте.
• Этот шаг перекликается с Ineffable Intelligence Дэвида Силвера, формируя скоординированный вызов со стороны ветеранов обучения с подкреплением.
• Катастрофическое забывание и потеря пластичности по-прежнему остаются открытыми проблемами, поэтому это исследовательская ставка на горизонт в десятилетие, а не угроза ведущим лабораториям в следующем квартале.

Вернёмся к магистрали. Все по-прежнему мчатся в одном направлении, а съезды пусты. Но когда человек, написавший руководство по одному из двух общих методов, масштабируемых бесконечно, в 68 лет разворачивает машину, — вы хотя бы бросаете взгляд в зеркало заднего вида.