News & analizy
Czy David Silver ma rację? RL, LLM i lokalne modele AI
Zaktualizowano: Autor: Andrzej Niemiec8 min czytania
David Silver twierdzi, że samo skalowanie modeli językowych nie wystarczy. Sprawdzamy, co potwierdzają źródła, jak działał AlphaGo i co z tego wynika dla lokalnych modeli AI.
Spis treści
- Czy David Silver naprawdę uważa, że modele językowe to ślepa uliczka?
- Kim jest David Silver i co wiadomo o jego firmie?
- Czym różni się uczenie ze wzmocnieniem od modelu językowego?
- Co faktycznie pokazał AlphaGo w 2016 roku?
- Jak wypadają Ollama i LM Studio w codziennej pracy?
- Które modele lokalne mają sens po polsku?
- Ile pamięci potrzeba do lokalnego modelu?
- Co to oznacza dla polskich zespołów?
- Najczęstsze pytania
- Źródła
Czy David Silver naprawdę uważa, że modele językowe to ślepa uliczka?
Silver twierdzi, że duże modele językowe są ograniczone danymi wytworzonymi przez ludzi. Postuluje systemy, które wiedzę zdobywają przez interakcję, symulacje oraz próbę i błąd [1]. Jego firma Ineffable Intelligence deklaruje budowę superlearnera uczącego się z własnego doświadczenia [2]. Publicznego modelu, benchmarku ani przychodów firma nie pokazała [3].
Warto rozdzielić dwie rzeczy: tezę badawczą i produkt. Silver mówi o uczeniu ze wzmocnieniem jako podstawie systemu, a nie o dodatku do wytrenowanego modelu językowego [1]. Nie jest to rozstrzygnięty wynik, tylko hipoteza. Dla osób, które pracują na lokalnych modelach AI, spór ma praktyczny wymiar: model pobrany na dysk i system uczący się w interakcji różnią się przygotowaniem danych, sprzętem i sposobem oceny wyniku.
Kim jest David Silver i co wiadomo o jego firmie?
Ineffable Intelligence powstało w listopadzie 2025 roku, a Silver odszedł z Google DeepMind na początku 2026 roku [4]. The Decoder opisuje jego zakład, że samo skalowanie modeli językowych nie wystarczy do superinteligencji [5]. W DeepMind Silver kierował pracami nad AlphaGo, AlphaZero i MuZero, dziś jest CEO Ineffable Intelligence [6].
W kwietniu 2026 roku firma zebrała 1,1 mld dolarów przy wycenie 5,1 mld dolarów, nie mając publicznego produktu, modelu, przychodów ani benchmarku [3]. Te liczby mówią o finansowaniu startupu, nie o skuteczności metody. Inwestorzy wyceniają alternatywę dla modeli językowych, zanim pojawił się dowód, że działa.
Niezależnie od wyniku tego zakładu pytanie o uruchamianie modeli na własnym sprzęcie pozostaje aktualne. Zbieramy je w jednym miejscu na stronie lokalnych modeli AI.
Czym różni się uczenie ze wzmocnieniem od modelu językowego?
Uczenie ze wzmocnieniem optymalizuje zachowanie przez nagrody i kary: system działa, dostaje sygnał o wyniku i koryguje strategię. Model językowy uczy się przewidywania kolejnych tokenów na wielkim korpusie tekstu. AlphaGo łączył oba podejścia i przeszukiwanie drzewa gry: najpierw korzystał z partii ludzkich, potem doskonalił się przez self-play [7].
Różnica jest praktyczna. System uczenia ze wzmocnieniem projektuje się razem ze środowiskiem, w którym się uczy: symulatorem, grą, sterownikiem. Wynik ocenia się po serii interakcji, a nie po jednej odpowiedzi. Model językowy wystarczy wytrenować na korpusie i wywoływać przez API. To wyjaśnia, dlaczego łatwiej wdrożyć chatbota niż agenta sterującego procesem w hali produkcyjnej.
Druga różnica dotyczy kosztu błędu. W grze można rozegrać milion partii. W logistyce albo medycynie złe działanie ma konsekwencje poza symulatorem, więc środowisko trzeba ograniczyć i zabezpieczyć.
Co faktycznie pokazał AlphaGo w 2016 roku?
Mecz z Lee Sedolem rozegrano w Seulu w dniach 9-15 marca 2016 roku. AlphaGo wygrał 4:1, ale czwartą partię przegrał [8]. Wcześniej, w październiku 2015 roku, ten sam system pokonał europejskiego mistrza Fan Hui 5:0 [7]. Rok 2016 to więc pierwsze zwycięstwo nad czołowym graczem 9-danowym, a nie nad jakimkolwiek profesjonalistą [8].
Słynny ruch 37 pochodził z drugiej partii, rozegranej 10 marca 2016 roku [9]. Był niekonwencjonalny, ale nie dowodził sam w sobie inteligencji ogólnej. Był wynikiem hybrydowego systemu, który uczył się i przeszukiwał drzewo gry [8].
Późniejsze konstrukcje były bardziej experience-first. AlphaGo Zero uczył się wyłącznie przez self-play, a AlphaZero rozszerzył tę metodę na Go, szachy i shogi [10]. To nie znaczy, że problem otwartego świata został rozwiązany: gra ma jasne zasady i mierzalny wynik, a rzeczywistość nie [1].
Jak wypadają Ollama i LM Studio w codziennej pracy?
Oba narzędzia uruchamiają modele na własnym sprzęcie i udostępniają lokalne API. Ollama rozwinęła się z narzędzia terminalowego w projekt o skali 8,9 mln deweloperów, zgłaszanej w lipcu 2026 roku razem z 88 mln dolarów finansowania [11]. Lokalne API działa domyślnie pod adresem http://localhost:11434 [12]. Najnowsza stabilna wersja widoczna 15 października 2026 roku to v0.40.4, wydana 12 października 2026 roku [13].
Lokalne modele w Ollama są bezpłatne i bez limitu zapytań po stronie dostawcy; logowanie nie jest wymagane [12]. Płatne plany zaczynają się od 20 dolarów miesięcznie, około 87,38 zł, i dotyczą modeli chmurowych oraz kredytów, a nie samych modeli lokalnych [14].
LM Studio to aplikacja desktopowa do wyszukiwania, pobierania i uruchamiania modeli. Obsługuje format GGUF oraz MLX na Apple Silicon [15]. Podłączanie zewnętrznych narzędzi przez MCP pojawiło się w wersji 0.3.17 z 25 czerwca 2025 roku [16]. Strona pobierania wskazuje v0.4.26 jako aktualną wersję dla Windows na 15 października 2026 roku [17]. Producent zaleca co najmniej 16 GB RAM, a na Windows także 4 GB dedykowanego VRAM; Intel Mac nie jest już wspierany [18].
| Kryterium | Ollama | LM Studio |
|---|---|---|
| Interfejs | terminal, aplikacja desktopowa, biblioteka modeli [13] | aplikacja graficzna z katalogiem modeli [15] |
| Lokalne API | HTTP pod http://localhost:11434 [12] | lokalny serwer API [15] |
| Formaty i akceleracja | GGUF, Metal, CUDA, ROCm [12] | GGUF oraz MLX na Apple Silicon [15] |
| Narzędzia zewnętrzne | funkcje wywoływane przez model [13] | MCP od wersji 0.3.17 [16] |
| Cena modeli lokalnych | bezpłatnie, bez limitu po stronie dostawcy [12] | plan darmowy, płatne plany chmurowe [15] |
Jeśli pracujesz w terminalu i skryptach, Ollama jest szybszym startem. Jeśli wolisz klikać i porównywać modele w oknie, LM Studio wymaga mniej konfiguracji. Zestawienie modeli otwartych pokazuje przy okazji, dlaczego same benchmarki to za mało.
Które modele lokalne mają sens po polsku?
Bielik v3 to model rodziny SpeakLeash i ACK Cyfronet AGH, trenowany na 32 językach europejskich z naciskiem na polski. Wariant 11B ma licencję Apache 2.0 i nie ma wbudowanych mechanizmów moderacji [19]. PLLuM-12B-chat-2512 pochodzi z linii modeli utworzonej w grudniu 2025 roku, jest dostrajany pod dialog, RAG i zadania administracyjne, a rodzina obejmuje też warianty 4B, 8B i 70B [20].
W benchmarku LLMzSzŁ Bielik-11B-v2.1-Instruct zdobył 57,52 punktu dokładności i był najlepszym testowanym modelem poniżej 15 mld parametrów [21]. Wynik dotyczy starszej wersji i jednego zestawu zadań, więc nie jest uniwersalnym rankingiem [21].
Wyboru nie sprowadza się do jednej liczby. Liczy się język, zadanie, pamięć i licencja. Warto sprawdzić kartę konkretnego wariantu, bo sama nazwa rodziny nie wystarcza do oceny prawnej [19][20]. Porównanie dwóch rodzin polskich modeli opisujemy w tekście Laguna XS.2 vs M.1.
Ile pamięci potrzeba do lokalnego modelu?
Pamięć zależy od liczby parametrów, kwantyzacji i długości kontekstu. Orientacyjnie: modele 7-8B startują przy około 8 GB VRAM albo 16 GB RAM, warianty 12-14B przy 12-16 GB VRAM lub 24 GB RAM, a 70B przy 40-48 GB pamięci w kwantyzacji Q4. To widełki planistyczne, nie gwarancje [18].
Kwantyzacja zmniejsza plik kosztem części jakości. Długi kontekst i równoległe zapytania zwiększają zapotrzebowanie na pamięć, a szybki dysk przyspiesza wczytywanie dużych modeli. Karta graficzna poprawia przede wszystkim szybkość, nie jakość odpowiedzi. Ile realnie zyskuje inferencja na mocniejszym sprzęcie, pokazuje przykład przyspieszenia z 310 do 1260 tokenów na sekundę.
Co to oznacza dla polskich zespołów?
Zacznij od problemu, nie od narzędzia. Jeśli dane nie mogą opuścić firmy, lokalny model jest dziś realną opcją: wystarczy komputer z 16 GB RAM i instalacja środowiska [18]. Jeśli problem wymaga decyzji w czasie rzeczywistym i masz środowisko do treningu, warto sprawdzić uczenie ze wzmocnieniem. Jeśli potrzebujesz gotowej odpowiedzi na tekst, wystarczy model językowy.
Nie kupuj tezy inwestora razem z technologią. Ineffable Intelligence nie pokazało modelu [3], a Bielik i PLLuM są dostępne do pobrania i sprawdzenia [19][20]. Pierwszy krok to jeden wąski przypadek użycia i porównanie odpowiedzi na własnych dokumentach.
Najczęstsze pytania
Czy David Silver twierdzi, że modele językowe się nie rozwijają?
Nie w takiej formie. Silver argumentuje, że modele językowe są ograniczone ludzkimi danymi i że systemy powinny odkrywać wiedzę przez interakcję oraz próbę i błąd [1]. To krytyka kierunku, nie odmowa sensu. Sam podział na dwa obozy jest uproszczeniem, bo uczenie ze wzmocnieniem bywa etapem douczania modeli językowych.
Czy AlphaGo był czystym uczeniem ze wzmocnieniem?
Nie. Oryginalny AlphaGo najpierw korzystał z partii ludzkich, a potem doskonalił się przez self-play. Łączył sieci neuronowe, uczenie ze wzmocnieniem i przeszukiwanie drzewa gry [7]. Dopiero AlphaGo Zero uczył się wyłącznie przez self-play, a AlphaZero rozszerzył tę metodę na szachy i shogi [10].
Czy uczenie ze wzmocnieniem zastąpi lokalne modele językowe?
Nie w przewidywalnej perspektywie. Model językowy jest gotowym produktem do pobrania, a system uczący się w interakcji wymaga środowiska i pracy inżynierskiej. Oba podejścia rozwiązują inne zadania. Dla większości firm lokalny model jest tańszym startem niż budowa symulatora.
Ile kosztuje uruchomienie lokalnego modelu?
Oprogramowanie jest bezpłatne: lokalne modele w Ollama nie mają limitu zapytań po stronie dostawcy [12], a LM Studio ma plan darmowy [15]. Płacisz za sprzęt, energię i czas konfiguracji. Płatne plany chmurowe to osobna usługa i nie są potrzebne do pracy offline.
Czy modele Bielik i PLLuM można używać komercyjnie?
Bielik-11B-v3.0-Instruct ma licencję Apache 2.0 [19], a PLLuM-12B-chat-2512 również Apache 2.0 [20]. To nie zwalnia z czytania karty konkretnego wariantu, bo rodzina PLLuM obejmuje też warianty na licencji Llama. Sprawdź plik licencji dołączony do pobranego modelu.
Źródła
- The Man Behind AlphaGo Thinks AI Is Taking the Wrong Path (WIRED, 2026)
- David Silver Ineffable: The RL Alternative to LLMs (ExplainX, 2026)
- Ex-DeepMind David Silver raises $1.1 billion for AI startup Ineffable (CNBC, 2026)
- Exclusive: Google DeepMind researcher David Silver leaves to launch his own AI startup (Fortune, 2026)
- Google Deepmind pioneer David Silver departs to found AI startup (The Decoder, 2026)
- David Silver on reinforcement learning, AlphaGo and superintelligence (Frontierminds, 2026)
- AlphaGo (Wikipedia, 2026)
- AlphaGo versus Lee Sedol (Wikipedia, 2026)
- AlphaGo Move 37: Why It Stunned Lee Sedol (Nerova, 2026)
- AlphaGo (Google DeepMind, 2026)
- Ollama: all aboard open models (Ollama, 2026)
- FAQ (Ollama Docs, 2026)
- Release v0.40.4 (GitHub, 2026)
- Ollama Pricing (Ollama, 2026)
- Get started with LM Studio (LM Studio, 2026)
- MCP in LM Studio (LM Studio, 2025)
- Download LM Studio - Mac, Linux, Windows (LM Studio, 2026)
- System Requirements (LM Studio, 2026)
- speakleash/Bielik-11B-v3.0-Instruct (Hugging Face, 2026)
- CYFRAGOVPL/PLLuM-12B-chat-2512 (Hugging Face, 2026)
- LLMzSzŁ: a comprehensive LLM benchmark for Polish (arXiv, 2025)
Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.
Jak powstają teksty: Polityka AI · O redakcji