Der KI-Forscher Richard Sutton, 2024 mit dem Turing-Award ausgezeichnet und einer der „Begründer des Reinforcement Learning“, hat ein eigenes Startup gegründet. Der Name spielt auf Suttons „OaK“-Architektur an, einen Entwurf für kontinuierlich lernende Agenten.

Das kanadische Oak Lab will KI-Agenten bauen, die im laufenden Betrieb aus Erfahrung weiterlernen, statt nach dem Training eingefroren zu werden. Sutton selbst kündigte den Schritt auf X an, Mitgründer ist sein früherer Student Khurram Javed. Beide kommen von Keen Technologies, der KI-Firma des Spieleentwicklers John Carmack, die sie nach eigenen Angaben dafür verlassen haben.

Lernen aus dem Datenstrom, ohne zu speichern

Technisch grenzt sich Oak Lab bewusst von heutigen Sprachmodellen ab. Statt aus einem kuratierten Datensatz zu lernen und danach statisch zu bleiben – oder, wie heute als „selbstlernende KI“ gepriesene Systeme, immer mal wieder neue Wissensdatenbanken zu bekommen oder hin und wieder nachtrainiert zu werden – sollen die Agenten laut Firmenangaben in Echtzeit dazulernen. Und das ohne Daten zu speichern oder erneut abzuspielen. Mit dieser Idee grenzt sich Sutton vom Mainstream ab; Anbieter wie OpenAI, Google und Meta trainieren ihre Modelle gerade mit immer mehr Daten und in immer größeren Rechenzentren. Oaks KI soll weniger Rechenleistung und Energie benötigen als die aktuellen Methoden und so kontinuierliches Lernen im laufenden Betrieb möglich machen.

Eine Idee, kein Produkt

Oak Lab ist aktuell Grundlagenforschung: Es gibt kein Produkt, keine genannte Finanzierung und keinen Zeitplan. Ob der Weg über Reinforcement Learning zum Ziel führt, dürfte sich erst in den kommenden Jahren zeigen.

Als langfristiges Ziel nennt Oak Lab einen Agenten mit einer Billion Parametern, der in Echtzeit lernt und plant und dabei nur 20 Watt verbraucht – ungefähr so viel wie das menschliche Gehirn. Das sei jedoch als Richtung zu verstehen, als ihr „heiliger Grahl“, nicht als Produktversprechen, teilte das Startup mit.

(rie)