Ineffable Intelligence가 만드는 Superlearner
Updated: 4 days ago
인간 데이터 없이 스스로 배우는 AI
Ineffable Intelligence가 만드는 Superlearner
NEXT AI MONSTER 5 ②
RyanLab 미래기술 투자연구소
리서치 기준일 2026년 9월 13일
먼저 내린 결론
Ineffable Intelligence는 지금 가장 좋은 사업을 가진 회사가 아닙니다. 공개된 제품도 고객도 매출도 없습니다. 그런데도 이 회사를 Next AI Monster 후보로 추적해야 하는 이유는 성공했을 때 AI 산업 전체의 학습 방식을 바꿀 수 있는 가장 큰 기술적 Option 가운데 하나이기 때문입니다.
현재의 대형언어모델은 인간이 남긴 글과 코드와 이미지를 압축해 놀라운 능력을 얻었습니다. 그러나 인간이 아직 발견하지 못한 과학 법칙과 알고리즘은 그 데이터 안에 없습니다. AlphaGo와 AlphaZero를 이끈 David Silver는 다음 단계의 AI가 인간 지식을 모방하는 데서 멈추지 않고, 환경에서 행동하고 결과를 경험하며 새로운 지식을 스스로 발견해야 한다고 봅니다.
Ineffable이 만들려는 Superlearner는 이 생각을 하나의 회사로 만든 것입니다. 다만 지금 확인된 것은 David Silver와 최상급 연구팀, $1.1B의 Seed 자금, Google Cloud와 NVIDIA의 차세대 인프라입니다. 자체 모델과 Benchmark, 현실 분야의 발견, 제품과 매출은 아직 없습니다. 그래서 현재의 Ineffable은 검증된 AI 기업이라기보다 세계 최고 수준의 연구팀과 실험장비를 갖춘 초대형 과학 베팅에 가깝습니다.
이번 리서치의 네 가지 질문
검증 질문 | 현재 답 |
왜 인간 데이터 이후가 필요한가 | 인간이 모르는 지식은 기존 인간 데이터 안에 존재하지 않는다 |
왜 David Silver인가 | 인간 힌트를 제거하며 AlphaGo Zero MuZero로 이어진 연구를 실제로 증명했다 |
지금 무엇이 준비됐는가 | 최고급 RL 팀과 $1.1B Seed 및 Vera Rubin 기반 A5X가 가동되기 시작했다 |
무엇이 아직 없는가 | Ineffable 자체 모델 Benchmark 제품 고객과 매출 |
왜 Ineffable을 조사했을까
미래가치투자는 지금 가장 많이 팔리는 제품만 찾는 일이 아닙니다. 앞으로 산업의 중심이 이동할 때 어떤 새로운 Layer가 필요해지는지 먼저 이해하는 일입니다. AI의 지난 시대가 더 많은 인간 데이터와 더 큰 Foundation Model의 경쟁이었다면, 다음 시대는 경험을 통해 지식을 만들어내는 경쟁이 될 수 있습니다.
LLM은 인간이 이미 기록한 세계를 배우는 데 탁월합니다. 그러나 새로운 수학 정리, 더 효율적인 반도체 설계, 인간이 생각하지 못한 알고리즘을 발견하려면 단순한 모방만으로는 부족할 수 있습니다. AI가 행동하고, 실패하고, 결과를 측정하고, 그 경험으로 다시 강해지는 폐쇄형 Learning Loop가 필요합니다.
Ineffable은 그 Loop를 특정 과학도구에 붙이는 것이 아니라 지능의 기본 구조로 만들려 합니다. 그래서 제품은 가장 멀리 있지만 성공했을 때의 영향은 가장 클 수 있습니다.
Ineffable이라는 이름이 말해주는 것
Ineffable은 말로 표현할 수 없다는 뜻입니다. 회사는 미래의 초지능이 인간의 언어로 완전히 설명하기 어려운 개념과 사고방식을 발견할 수 있다고 봅니다. 더 많은 지식을 외운 Chatbot이 아니라, 인간이 아직 질문조차 만들지 못한 문제를 발견하고 해결하는 학습자를 상상합니다.
회사의 핵심 목표는 Superlearner입니다. 이는 인간이 제공한 고정 Dataset에만 의존하지 않고 환경과 상호작용하며 경험을 생성하고, 그 경험으로 계속 학습하는 시스템을 뜻합니다. 하나의 학습 구조가 Digital System뿐 아니라 Robot과 Physical Machine으로 확장되는 것도 장기 비전에 포함됩니다.
하지만 “말로 표현할 수 없는 지능”은 동시에 안전과 해석 가능성의 문제를 만듭니다. 사람이 이해할 수 없는 방식으로 사고하는 AI가 더 강해질수록, 왜 그런 행동을 선택했는지 검증하는 일은 더 어려워질 수 있습니다.
자료 Ineffable Intelligence 공식 홈페이지 Superlearner와 회사 Mission
David Silver는 인간의 힌트를 제거해 온 연구자다
David Silver는 현대 Reinforcement Learning을 실제 시스템으로 증명한 대표적 연구자입니다. Richard Sutton 밑에서 박사학위를 받았고 DeepMind 초기부터 Atari DQN, AlphaGo, AlphaZero, AlphaStar와 MuZero로 이어지는 연구를 이끌었습니다.
시스템 | 인간 지식을 줄인 방식 | 무엇을 보여줬나 |
AlphaGo | 인간 기보와 자가대국을 함께 사용 | Deep RL이 최고 인간기사를 넘어설 수 있음 |
AlphaGo Zero | 인간 기보를 제거하고 자가대국으로 학습 | 경험만으로 인간 전략을 재발견하고 초월 |
AlphaZero | 같은 원리를 바둑 체스 쇼기에 적용 | 하나의 학습 원리가 여러 환경에 적용 |
MuZero | 게임 규칙의 명시적 모델 없이 학습 | 환경에서 유용한 내부 Model을 스스로 형성 |
이 흐름을 한 문장으로 정리하면 David Silver는 AI에서 인간이 제공하는 지식과 힌트를 하나씩 제거해 온 사람입니다. Ineffable은 지난 10여 년의 이 질문을 게임을 넘어 과학과 현실 세계로 확장하려는 그의 가장 큰 프로젝트입니다.
왜 DeepMind를 떠났을까
David Silver의 독립은 DeepMind와의 갈등으로 보기보다 연구 초점의 선택으로 보는 편이 타당합니다. DeepMind는 Gemini를 중심으로 LLM과 Multimodal Model, Product를 동시에 추진합니다. 그 안에서 경험 기반 RL은 여러 전략 중 하나가 될 수밖에 없습니다.
Silver에게는 그것을 회사 전체의 유일한 Mission으로 삼을 공간이 필요했습니다. 단기 제품과 매출의 압력에서 떨어져 장기간 근본 연구를 수행하려면 독립된 연구소와 대규모 자본이 필요합니다.
Google은 오히려 Ineffable에 투자했고 Google Cloud는 핵심 Infrastructure Partner가 됐습니다. 따라서 이번 창업은 DeepMind와의 결별이라기보다, DeepMind 안의 한 연구 방향을 별도 회사에서 100%의 전략으로 확대한 것으로 해석할 수 있습니다.
$1.1B Seed가 산 것은 제품이 아니라 가능성이다
Ineffable은 2026년 4월 $1.1B의 Seed Funding을 유치했고 $5.1B의 기업가치를 인정받았습니다. Reuters에 따르면 Sequoia Capital과 Lightspeed Venture Partners가 주도했으며 NVIDIA와 Google, 영국 정부 계열 자금 등이 참여했습니다. 발표 당시 유럽 역사상 최대 규모의 Seed였습니다.
이 숫자는 현재 사업실적의 결과가 아닙니다. 제품과 매출이 없는 회사에 투자자들이 산 것은 David Silver와 연구팀이 만들 수 있는 기술적 돌파구, 그리고 그 실험에 필요한 Compute 접근권입니다.
확인된 것 | 아직 확인되지 않은 것 |
$1.1B Seed Funding | $5.1B 가치가 정당화될 제품 매출과 고객 |
Sequoia Lightspeed NVIDIA Google 참여 | 투자자별 지분과 장기 자금소진 속도 |
Google Cloud와 NVIDIA Infrastructure | 자체 모델의 성능과 학습효율 |
유럽 최대 Seed 기록 | 후속 Round와 상업화 일정 |
자료 Reuters Ineffable raises $1.1 billion 투자금과 기업가치 및 주요 투자자
2026년 9월 AlphaStar 팀이 다시 모였다
이번 리서치에서 새롭게 확인한 가장 중요한 변화는 팀 구성입니다. 2026년 9월 Ineffable은 David Silver 외에 6명의 공동창업자를 공식화했습니다. 네 명은 과거 Google DeepMind 동료인 Chris Apps, Wojciech Czarnecki, Lasse Espeholt, Junhyuk Oh입니다. Alexandre Laterre는 InstaDeep 연구책임자 출신이며 Heather Gorham은 초기 투자자인 Flying Fish Ventures에서 운영 역할로 이동했습니다.
Chris Apps와 Wojciech Czarnecki, Junhyuk Oh는 Silver와 AlphaStar 프로젝트에서 함께 일했습니다. 이는 유명 연구자를 개별적으로 모은 것 이상입니다. 복잡한 Multi agent RL을 실제 대규모 시스템으로 만들었던 팀의 일부를 다시 조립한 것입니다.
인물 | 핵심 경험 | Ineffable에서 기대되는 역할 |
David Silver | AlphaGo AlphaZero MuZero | 전체 연구 철학과 Superlearner |
Wojciech Czarnecki | AlphaStar Multi agent RL | Science Team과 복잡한 환경 학습 |
Junhyuk Oh | AlphaStar와 DiscoRL | 자동 RL Algorithm 발견 |
Lasse Espeholt | 분산 RL과 Google MetNet | Compute Infrastructure와 Engineering |
Alexandre Laterre | InstaDeep Research | 대규모 RL Experiment |
Chris Apps | DeepMind 연구 운영 | Mission Execution |
Heather Gorham | Flying Fish Ventures | 운영과 조직 구축 |
자료 Fortune Ineffable adds six cofounders 2026년 9월 팀 업데이트 보도
Superlearner는 어떻게 배우는가
Ineffable은 실제 Architecture를 공개하지 않았습니다. 따라서 아래 구조는 회사의 Mission과 창업팀의 과거 연구를 바탕으로 한 합리적 추정입니다.
· 환경을 관찰한다
· 행동을 선택한다
· 환경에서 결과가 발생한다
· 성공과 실패를 Reward로 측정한다
· Policy와 World Model을 업데이트한다
· 새로운 전략을 발견하고 더 어려운 환경에서 다시 시험한다
기존 LLM은 고정된 인간 데이터를 여러 번 학습합니다. Superlearner는 행동할 때마다 새로운 경험 데이터를 만듭니다. 모델이 강해질수록 더 어려운 문제를 시도하고, 그 과정에서 더 높은 수준의 데이터가 다시 생성됩니다. 이것이 성공한다면 Intelligence가 스스로 연료를 만들어내는 Data Flywheel이 됩니다.
Silver는 인간 데이터를 유한한 화석연료에, 경험을 계속 만들어낼 수 있는 재생에너지에 비유했습니다. 이 비유의 핵심은 인간 데이터가 쓸모없다는 뜻이 아니라, 인간 지식의 경계를 넘어가기 위한 추가 연료가 필요하다는 뜻입니다.
Era of Experience가 제시한 네 가지 변화
David Silver와 Richard Sutton이 2025년에 발표한 Welcome to the Era of Experience는 Ineffable의 기술적 선언문에 가깝습니다. 논문은 현재 AI가 인간이 만든 데이터와 인간의 평가에 크게 의존하지만, 미래 Agent는 자신의 Experience에서 지속적으로 학습해야 한다고 주장합니다.
변화 | 의미 |
짧은 Episode에서 긴 Experience Stream으로 | 수개월과 수년에 걸친 행동의 결과를 연결 |
Text에서 Environment Interaction으로 | 컴퓨터 Sensor Robot과 실제로 행동 |
Human Judgment에서 Grounded Reward로 | 정확도 효율 실험결과 같은 환경의 신호 사용 |
Human Language Thought에서 새로운 Internal Reasoning으로 | 인간 언어에 제한되지 않는 효율적 사고방식 발견 |
인용 추천 문장 “Experience will become the medium of improvement.”
자료 Welcome to the Era of Experience David Silver와 Richard Sutton의 2025년 논문
인간 데이터 없이 학습한다는 말의 정확한 의미
여기에는 쉽게 생기는 오해가 있습니다. 인간이 만든 Text Dataset을 사용하지 않는 것과 인간의 설계가 전혀 들어가지 않는 것은 다릅니다. 어떤 환경에서 무엇을 시도할지, 무엇을 성공으로 볼지, 어떤 행동을 금지할지는 사람이 정할 가능성이 큽니다.
신소재를 개발하는 Agent라면 인장강도와 무게, 비용, 내열성을 어떤 비율로 보상에 반영할지 결정해야 합니다. Reward를 잘못 설계하면 Agent는 실제 목적을 달성하지 않고 점수의 허점만 찾을 수 있습니다.
실제 Superlearner는 완전한 Blank Slate보다 Hybrid 구조가 될 가능성도 있습니다. 초기 언어와 지식은 LLM에서 얻고, 그 이후 새로운 능력과 발견은 Experience 기반 RL로 확장할 수 있습니다. Ineffable이 어떤 조합을 선택했는지는 아직 공개되지 않았습니다.
경험 기반 AI는 이미 무엇을 발견했나
선행 사례 | 발견 또는 성과 | 남는 한계 |
AlphaZero | 인간 기보 없이 초인적 게임 전략 | 규칙과 승패가 명확한 환경 |
AlphaTensor | 일부 행렬곱에서 새로운 효율적 Algorithm | 제한된 수학 문제 |
AlphaDev | 더 빠른 정렬 Algorithm과 C++ Library 반영 | 자동 검증 가능한 Coding 영역 |
DiscoRL | AI가 더 좋은 RL Algorithm 자체를 발견 | 광범위한 현실 적용은 추가 검증 |
Dreamer | 학습한 World Model에서 미래를 Simulation | Sim to Real과 Model 오류 |
이 사례들은 AI가 인간의 답을 재현하는 데 그치지 않고 새로운 전략과 Algorithm을 찾을 수 있다는 선행 증거입니다. 그러나 공통점도 있습니다. 성공 여부를 자동으로 채점할 수 있고 수많은 시행착오를 빠르게 반복할 수 있는 환경이라는 점입니다.
자료 DiscoRL Nature AI를 이용한 RL Algorithm 발견
자료 AlphaTensor Nature 강화학습을 통한 행렬곱 Algorithm 발견
어디에서 첫 성과가 나올까
분야 | 가능성 | 이유와 제약 |
수학 Coding Algorithm | 높음 | 정답을 자동 검증하고 반복 비용이 낮다 |
반도체와 회로 설계 | 높음 | 속도 전력 면적을 Simulation으로 측정 가능 |
Robot과 제조 | 중간 | 많은 Simulation이 가능하지만 Sim to Real 문제 |
신소재와 화학 | 중간 | 후보 탐색은 가능하지만 실제 실험 검증 필요 |
신약개발 | 중간 이하 | 생물학적 복잡성과 임상 및 규제 시간 |
경제 정책 사회과학 | 낮음 | 성공 기준이 다차원적이고 가치 충돌이 크다 |
Ineffable의 첫 번째 의미 있는 돌파구는 빠르고 저렴하게 반복할 수 있고, 성공을 객관적으로 측정하며, 결과를 자동 검증할 수 있는 영역에서 나올 가능성이 큽니다. 수학과 Coding, Algorithm, Chip Design이 가장 자연스러운 후보입니다.
Vera Rubin은 단순한 GPU 구매가 아니다
경험 기반 RL의 Infrastructure는 LLM Pretraining과 Workload가 다릅니다. 수천 개의 Agent가 동시에 행동하고 추론하며, Reward를 계산하고, Model을 자주 업데이트해야 합니다. Training과 Inference가 짧은 간격으로 교차하기 때문에 GPU 연결망과 Memory Bandwidth, Storage, Serving, Scheduling이 모두 중요합니다.
Ineffable은 NVIDIA와 RL 전용 Infrastructure를 공동 설계하고 Google Cloud를 핵심 Cloud Partner로 선택했습니다. Google Cloud는 Ineffable이 Vera Rubin NVL72 기반 A5X의 가장 큰 Cluster 중 하나를 사용할 것이라고 발표했습니다.
그리고 2026년 8월에는 첫 Google Cloud A5X Instance가 실제로 가동되기 시작했다는 업데이트가 나왔습니다. 이는 자체 Superlearner가 완성됐다는 증거는 아니지만, 회사가 발표한 Compute 계획이 PowerPoint를 넘어 실제 Experiment 단계로 들어갔다는 중요한 진전입니다.
자료 NVIDIA and Ineffable RL Infrastructure Grace Blackwell에서 Vera Rubin으로 이어지는 공동개발
자료 Google Cloud Ineffable Partnership A5X와 Vera Rubin NVL72 Cluster
Discovery Loop와 무엇이 다른가
비교 | Discovery Loop | Ineffable Intelligence |
해결하려는 문제 | 과학과 공학의 연구 Loop 자동화 | 지능이 경험으로 학습하는 방식 자체 |
핵심 Loop | 가설 실험 측정 평가 다음 실험 | 관찰 행동 결과 Reward 학습 새 전략 |
상용화 거리 | 산업 고객과 사용사례를 비교적 쉽게 상상 | 제품과 고객 및 수익모델이 아직 불명확 |
기술적 야심 | AI Scientist와 연구 운영체계 | 범용 Superlearner와 초지능 |
관계 | 실험을 수행하는 몸이 될 수 있음 | 새 전략을 만드는 두뇌가 될 수 있음 |
두 회사는 장기적으로 경쟁자보다 보완재가 될 수도 있습니다. Ineffable이 경험에서 학습하는 두뇌를 만든다면 Discovery Loop는 그 두뇌가 현실에서 가설을 세우고 Experiment를 반복할 수 있는 연구 시스템이 될 수 있습니다.
현재 기술 검증 단계
단계 | 검증 내용 | 현재 상태 |
1 | 철학 연구가설과 창업팀 | 완료 |
2 | 자금 인재 Compute Infrastructure | 완료 또는 가동 중 |
3 | 자체 Model과 Benchmark 공개 | 아직 없음 |
4 | 제품 고객과 매출 | 없음 |
5 | 반복 가능한 상업 성장 | 없음 |
현재 Ineffable은 2단계입니다. 다만 일반적인 초기 Startup과 달리 연구팀과 자본, 차세대 Compute가 이례적으로 큽니다. 투자자가 경계해야 할 지점은 준비된 실험 장비의 규모를 이미 증명된 기술로 착각하지 않는 것입니다.
어떻게 돈을 벌 수 있을까
회사는 공식적인 수익모델을 공개하지 않았습니다. 따라서 아래는 기술이 성공했을 때 가능한 사업모델이지 현재 확인된 계획이 아닙니다.
· Superlearner API와 Model 사용료
· 제약 반도체 소재 Robot 분야의 연구와 설계 Agent License
· 새롭게 발견한 Algorithm과 소재 및 기술의 IP와 Royalty
· Robot과 산업장비에 적용되는 공통 Learning Engine
· Google Cloud와 결합한 RL as a Service
· 산업 Partner와 공동개발 후 성과를 공유하는 구조
가장 큰 가치는 Chatbot Subscription보다 Superlearner가 새롭게 발견한 지식에서 나올 가능성이 있습니다. 그러나 발견의 소유권과 특허, Partner와의 수익배분은 복잡합니다. 제품이 등장하기 전에는 어떤 모델이 실제로 선택될지 판단할 수 없습니다.
성공한다면 만들어질 Moat
· David Silver와 AlphaStar 출신의 희소한 연구팀
· Google Cloud와 NVIDIA Vera Rubin에 대한 조기 접근과 RL Infrastructure 경험
· Agent가 독점 환경에서 생성하는 복제하기 어려운 Experience Data
· DiscoRL처럼 Learning Algorithm이 Learning Algorithm을 개선하는 자기강화 구조
· 어떤 환경과 Curriculum이 범용성을 만드는지에 대한 비공개 Know how
· 현실 분야의 Experiment Partner와 Simulation 및 평가 시스템
가장 강력한 Moat는 단일 Model이 아니라 Learning Flywheel일 수 있습니다. 더 좋은 Algorithm이 더 가치 있는 Experience를 만들고, 그 Experience가 다시 더 좋은 Algorithm을 만드는 구조입니다. 그러나 이 Flywheel이 실제로 작동하는지는 자체 모델과 여러 환경의 결과가 공개되어야 알 수 있습니다.
가장 큰 위험
위험 | 왜 중요한가 |
Environment Design | 현실만큼 복잡하면서 안전하게 반복할 환경을 만드는 것 자체가 거대한 과제 |
Reward Hacking | AI가 진짜 목적보다 점수의 허점을 최적화할 수 있음 |
Sim to Real | Simulation의 성공이 현실에서 재현되지 않을 수 있음 |
Cold Start Cost | 인간 지식을 처음부터 재발견하려면 막대한 Compute가 필요 |
Generality | 게임의 성공이 범용 현실지능으로 이어진다는 보장이 없음 |
Continual Learning | 새로운 능력을 배우면서 과거 능력을 잊을 수 있음 |
Safety와 Interpretability | 비인간적 사고가 강해질수록 행동의 이유를 이해하기 어려움 |
Monetization | $5.1B 가치에 비해 제품 고객 매출이 없음 |
Information Gap | Architecture Benchmark와 Timeline이 공개되지 않음 |
NVIDIA와 Alphabet 투자자에게 주는 의미
NVIDIA
NVIDIA는 Ineffable의 투자자이자 RL Infrastructure 공동 설계자입니다. Experience 기반 학습은 Agent Serving과 Simulation, Inference와 Training을 빠르게 오가므로 새로운 유형의 Compute Demand를 만들 수 있습니다. Ineffable 한 회사의 성공보다 이 접근법이 산업 전체로 확산되는지가 NVIDIA 투자자에게 더 중요합니다.
Alphabet
Google은 Ineffable에 투자했고 Google Cloud는 핵심 Infrastructure Partner입니다. Ineffable이 성공하면 Alphabet은 지분가치와 Cloud Revenue 양쪽에서 참여할 수 있습니다. 더 중요한 것은 AI의 중심이 LLM Pretraining에서 Experience 기반 RL로 이동할 경우를 대비하는 기술적 Hedge입니다.
Monster Scorecard
평가 항목 | 점수 | 판단 |
기술적 야심 | 5.0 / 5 | 지능이 만들어지는 방식 자체를 바꾸려는 목표 |
수익화 근접성 | 1.0 / 5 | 제품 고객 매출과 가격이 없음 |
창업팀 신뢰도 | 5.0 / 5 | David Silver와 재결합한 AlphaStar 핵심팀 |
잠재적 Moat | 4.5 / 5 | 인재 Compute Experience Algorithm과 Environment |
정보 투명성 | 1.5 / 5 | 자체 Model과 Benchmark가 비공개 |
현재 종합점수 | 3.4 / 5 | 현재 증거 기준이며 성공 시 영향력은 매우 큼 |
앞으로 반드시 확인할 신호
· 첫 자체 Model 또는 연구논문과 재현 가능한 Benchmark 공개
· 기존 RL보다 높은 Sample Efficiency와 Compute Efficiency
· 게임이 아닌 수학 Algorithm Chip Science 분야의 실제 발견
· 서로 다른 Environment에서 같은 학습법이 작동하는 범용성
· 첫 산업 Partner와 상업적 적용
· 순수 RL과 LLM을 어떤 방식으로 결합하는지에 대한 Architecture
· Reward Hacking과 안전성 및 인간 통제에 대한 구체적 방법
· 제품과 Revenue Model 및 다음 Funding에서의 가치 검증
마지막 결론
Ineffable Intelligence는 아직 일반적인 의미의 AI Company라기보다 초지능을 목표로 세운 거대한 과학 프로젝트에 가깝습니다. 지금 투자자가 볼 수 있는 것은 결과가 아니라 이 실험을 수행할 사람과 자본과 Machine입니다.
2026년 9월 현재 이 세 가지는 분명히 강화됐습니다. AlphaStar를 함께 만들었던 연구자들이 공동창업자로 다시 모였고, Google Cloud의 Vera Rubin 기반 A5X가 실제 가동되기 시작했습니다. 그러나 가장 중요한 세 번째 단계, 즉 Ineffable 자체의 Model과 성능은 아직 공개되지 않았습니다.
그래서 저는 Ineffable을 현재 가장 좋은 사업이라고 평가하지 않습니다. 대신 현재 가장 큰 기술적 Option 가운데 하나라고 봅니다. 첫 Model이 여러 환경에서 새로운 지식을 발견하고, 그 결과가 독립적으로 검증되며, 현실 산업의 가치로 연결될 때 이 회사는 유명한 연구자가 만든 비싼 Startup에서 진정한 Next AI Monster로 바뀔 수 있습니다.
Discovery Loop가 과학 연구의 방식을 바꾸려는 회사라면 Ineffable은 지능이 만들어지는 방식 자체를 바꾸려는 회사입니다. 언젠가 스스로 학습하는 두뇌가 스스로 가설을 세우고 실험하며 인간이 아직 모르는 과학을 발견한다면, 그 시작점 가운데 하나가 Ineffable일 수 있습니다.
관련 동영상을 보고 싶으신 분은 아래 링크를 클릭해 주세요
주요 참고자료
자료 Ineffable Intelligence 회사 Mission과 Superlearner
자료 Reuters Funding Report $1.1B Seed와 $5.1B Valuation
자료 Welcome to the Era of Experience 경험 기반 AI 논문
자료 NVIDIA Partnership RL Infrastructure 공동 설계
자료 Google Cloud Partnership Vera Rubin NVL72 기반 A5X
자료 Fortune Cofounder Update 6명 공동창업자 업데이트
자료 DiscoRL 자동 RL Algorithm 발견
자료 AlphaTensor 행렬곱 Algorithm 발견
※ 이 글은 정보와 교육을 위한 자료이며 특정 기업이나 증권에 대한 투자 권유가 아닙니다. Ineffable은 비상장 초기 연구기업이고, 자체 제품과 성능 및 매출은 아직 공개되지 않았습니다.
Comments