AI Trend2026.04.28
DeepMind's David Silver Is Betting $1.1B on AI Without Human Data
인간 데이터 없이 배우는 AI — 딥마인드 전설의 새 도전
The $1.1 Billion Bet
Every AI assistant you use today — from ChatGPT to Claude — learned how to speak, reason, and write by reading vast amounts of text created by human beings. This approach, called supervised learning on labeled data, has powered most of the AI progress you have witnessed over the past decade. But what if an AI could skip the human data entirely and figure everything out on its own? That is the question David Silver — the DeepMind researcher who co-created AlphaGo — is now $1.1 billion on answering.
여러분이 오늘 사용하는 모든 AI 어시스턴트 — ChatGPT부터 Claude까지 — 는 수없이 많은 인간이 만든 텍스트를 읽으면서 말하고, 추론하고, 쓰는 법을 익혔어요. 레이블 데이터를 활용한 지도학습이라 불리는 이 방식이, 지난 10년간 여러분이 목격한 대부분의 AI 발전을 이끌어 왔어요. 그런데 만약 AI가 인간 데이터를 완전히 건너뛰고, 스스로 모든 것을 알아낼 수 있다면 어떨까요? 그 질문에 11억 달러를 걸고 있는 사람이 바로 데이비드 실버예요 — AlphaGo를 함께 만든 딥마인드의 연구자이죠.
Why AlphaGo Zero Changed Everything
You might remember when AlphaGo first beat a human Go champion in 2016 — it was a watershed moment for AI. A year later, Silver's team went further with AlphaGo Zero, a version that started with nothing but the rules of the game and taught itself entirely through reinforcement learning. AlphaGo Zero never looked at a single human game, yet it became the strongest Go player in history. Silver believes this same approach — learning from scratch through trial and error, without any human-labeled data — can be extended far beyond board games.
2016년 AlphaGo가 처음으로 인간 바둑 챔피언을 이겼을 때를 기억하실 거예요 — AI의 분기점이 된 순간이었죠. 1년 후, 실버 팀은 AlphaGo Zero로 한 발 더 나아갔어요 — 게임 규칙만 주어진 채 시작해, 강화 학습만으로 스스로 모든 것을 익힌 버전이었죠. AlphaGo Zero는 단 한 판의 인간 기보도 보지 않았지만, 역사상 가장 강한 바둑 플레이어가 됐어요. 실버는 이와 같은 방식 — 인간 레이블 데이터 없이, 시행착오를 통해 처음부터 배우는 것 — 이 보드게임을 훨씬 넘어설 수 있다고 믿어요.
A New Lab, A Big Bet
Earlier this year, Silver left DeepMind to found Ineffable Intelligence, a London-based AI lab. The name "ineffable" means something too extraordinary to be expressed in words — a deliberate choice that hints at the ambition behind the project. The lab just raised $1.1 billion at a of $5.1 billion — one of the largest funding rounds ever for a company only a few months old. Investors include Lightspeed Venture Partners and Sequoia Capital — the same firms that backed OpenAI in its early days.
올해 초, 실버는 딥마인드를 떠나 런던에 본사를 둔 AI 연구소 Ineffable Intelligence를 설립했어요. "인에퍼블(ineffable)"이라는 이름은 말로 표현하기 어려울 만큼 특별한 무언가를 뜻해요 — 이 프로젝트의 야망을 의도적으로 암시하는 이름이죠. 이 연구소는 설립 수개월 만에 51억 달러의 기업가치를 인정받아 11억 달러를 조달했어요 — 불과 수개월 된 회사치고는 역대 최대 수준의 투자 유치 중 하나예요. 투자자에는 Lightspeed Venture Partners와 Sequoia Capital이 포함됐어요 — OpenAI의 초기 시절을 함께한 바로 그 회사들이죠.
Why This Matters Now
The timing of this bet on AI is not random. The AI industry is quietly facing a data problem: the supply of high-quality human-generated text that can be used for training is running out. Several AI labs have warned that, without new approaches to data, progress in language models could within a few years. A system that learns purely through reinforcement learning — without ever needing human data — would be free from this constraint entirely.
이 시점에 이런 베팅이 나온 것은 우연이 아니에요. AI 업계는 조용히 데이터 문제에 직면해 있어요 — 훈련에 활용할 수 있는 고품질 인간 생성 텍스트의 공급이 고갈되어 가고 있거든요. 여러 AI 연구소들은 데이터에 대한 새로운 접근법 없이는 언어 모델의 발전이 몇 년 안에 정체될 수 있다고 경고해 왔어요. 강화 학습만으로 학습하는 시스템 — 인간 데이터가 전혀 필요 없는 — 은 이 제약에서 완전히 자유로울 수 있어요.
The Hard Questions
Of course, what worked brilliantly for Go is much harder to apply in the open-ended real world. In board games, the rules are fixed and the reward signal is clear — you win or you lose. In everyday language tasks or complex reasoning, defining what "winning" looks like is far from straightforward. Silver's team has not yet published technical details, so the question of how they plan to tackle this challenge remains open.
물론, 바둑에서 놀랍도록 잘 작동한 방식을 열린 현실 세계에 적용하는 건 훨씬 어려운 일이에요. 보드게임에서는 규칙이 고정되어 있고 보상 신호가 명확해요 — 이기거나 지거나 둘 중 하나죠. 일상적인 언어 과제나 복잡한 추론에서는 무엇이 "이기는 것"인지 정의하는 것 자체가 전혀 간단하지 않아요. 실버 팀은 아직 기술적 세부 내용을 공개하지 않아서, 이 과제를 어떻게 풀어낼지는 여전히 열린 질문으로 남아 있어요.
What to Watch
David Silver's track record — from AlphaGo to AlphaGo Zero to AlphaFold's successors — gives this paradigm shift a credibility that most AI startups cannot match. Whether or not Ineffable Intelligence succeeds, its bet signals a growing conviction in the AI world that the next leap will not come from feeding machines more human text — it will come from teaching them to think for themselves.
AlphaGo부터 AlphaGo Zero, AlphaFold의 후속 연구에 이르는 실버의 경력은, 이 패러다임 전환에 대부분의 AI 스타트업이 따라올 수 없는 신뢰성을 부여해요. Ineffable Intelligence의 성공 여부와 관계없이, 이 베팅은 AI 세계에서 커져가는 확신을 보여줘요 — 다음 도약은 기계에 더 많은 인간 텍스트를 먹이는 것에서 오지 않을 거예요. 스스로 생각하는 법을 가르치는 것에서 올 거예요.