Thore Graepel, uno dei co-creatori di AlphaGo, ha lasciato Google DeepMind per fondare una startup di ragionamento basato sull'intelligenza artificiale, secondo un rapporto esclusivo di Sifted pubblicato il 7 settembre 2026. L'impresa scommette su una tesi che va contro la corrente dominante del settore: che la ricerca strutturata, piuttosto che modelli linguistici sempre più ampi, detiene la chiave per un ragionamento affidabile delle macchine.
Un veterano di DeepMind si allontana
Graepel è meglio conosciuto per il suo lavoro su AlphaGo, il sistema DeepMind che ha sconfitto il campione del mondo di Go Lee Sedol nel 2016, una pietra miliare ampiamente accreditata per aver innescato il moderno boom dell'intelligenza artificiale. Il trasferimento pone fine a un lungo mandato presso Google DeepMind, dove era una delle figure più importanti e visibili dell'organizzazione di ricerca.
Rapporti vagliati secondo cui Graepel ha lasciato per perseguire l'impresa di ragionamento, e punti vendita commerciali tra cui Tech Times hanno inquadrato esplicitamente la scommessa principale della nuova società: ricerca strutturata sul ridimensionamento LLM. I dettagli su finanziamenti, personale e piani di prodotto non sono stati divulgati e né Graepel né DeepMind hanno pubblicato un annuncio formale, ma la mossa avviene in un anno di formazione aggressiva di startup IA attorno ad alternative al puro ridimensionamento.
La tesi: ricerca su larga scala
La scommessa è importante perché sfida la strategia che ha definito l’intelligenza artificiale di frontiera dal 2020: addestrare modelli di trasformatori più grandi su più dati e calcoli, quindi insegnare loro a ragionare attraverso suggerimenti di catena di pensiero e apprendimento per rinforzo.
Il lignaggio AlphaGo rappresenta una tradizione diversa. AlphaGo e i suoi successori hanno combinato le reti neurali con la ricerca degli alberi e, nelle iterazioni successive, hanno imparato dal gioco personale piuttosto che dai giochi umani. I sistemi di questa famiglia potevano verificare le proprie mosse rispetto a regole fisse, che rendevano il loro ragionamento esatto in un modo in cui gli output del modello linguistico, generati un token plausibile alla volta, non lo sono.
I sostenitori dell’approccio search-first sostengono che, man mano che gli LLM vengono spinti in ambiti come la matematica, la verifica formale e la pianificazione, le loro modalità di fallimento – risposte fluenti ma sbagliate, logica multi-fase inaffidabile – derivano dall’architettura, non solo dalla scala. I sistemi basati sulla ricerca in grado di verificare ogni passaggio rispetto alle regole formali offrono un percorso diverso verso l’affidabilità, e i recenti progressi sulla dimostrazione del teorema basata sul Lean da parte sia delle startup che dei principali laboratori hanno mantenuto vivo quel dibattito.
Parte di un esodo più ampio
Graepel non è il primo veterano di AlphaGo a lasciare DeepMind per perseguire questa tesi. David Silver, che ha guidato il progetto AlphaGo, ha lasciato Google DeepMind alla fine del 2025 dopo più di un decennio a costruire AlphaGo, AlphaZero e AlphaStar, e ha fondato Ineffable Intelligence, che è stata costituita nel novembre 2025. Come riportato questa settimana, Sequoia e Nvidia hanno sostenuto la startup con una valutazione di 5,1 miliardi di dollari.
Le partenze si aggiungono a un periodo di turnover di alto profilo presso Google DeepMind. All’inizio di quest’anno, il laboratorio ha visto cambiamenti nella leadership, inclusa la transizione alla presidenza di Hassabis e l’uscita di figure senior come Koray Kavukcuoglu e Jeff Dean, copertura che AI Buzz Wire ha monitorato in quel momento. Quando le persone che hanno costruito i sistemi più famosi di un laboratorio se ne vanno per inseguire un’architettura diversa, il segnale riguarda meno la politica interna e più un genuino disaccordo sulla provenienza della prossima svolta.
Perché è importante per il campo
Per l'ecosistema delle startup, la mossa di Graepel è un altro indicatore del fatto che l'argomento post-trasformatore sta attirando capitali importanti e curriculum seri. Gli investitori hanno speso il 2024 e il 2025 quasi interamente in applicazioni e infrastrutture LLM; Il 2026 ha visto un flusso costante di finanziamenti per le aziende che perseguono modelli mondiali, sistemi neuro-simbolici, ragionamento formale e pianificazione basata sulla ricerca.
Per Google la perdita è tanto simbolica quanto tecnica. AlphaGo rimane la creazione più famosa di DeepMind, e i suoi ex studenti ora sono i protagonisti di almeno due iniziative ben finanziate che propongono alternative al playbook di scalabilità. Se la ricerca strutturata possa effettivamente superare i modelli linguistici di frontiera su problemi aperti – piuttosto che su quelli ristretti e formalmente verificabili – è la domanda a cui queste startup dovranno rispondere con prodotti, non manifesti.
Esiste anche una via di mezzo su cui l’industria sta già convergendo: sistemi ibridi che utilizzano gli LLM per l’intuizione e la ricerca di verifica. Se l'impresa di Graepel arrivasse lì, competerebbe meno contro la narrazione in scala che al suo fianco.
Né Graepel né Google DeepMind avevano risposto pubblicamente con ulteriori dettagli al momento della stesura di questo articolo. AI Buzz Wire aggiornerà questa storia man mano che emergeranno ulteriori informazioni sulla startup.
Stai al passo con l'intelligenza artificiale
Resta al passo con le persone e le aziende che danno forma alla prossima ondata di intelligenza artificiale: leggi altre notizie sull'intelligenza artificiale su AI Buzz Wire.
Leggi altre notizie sull'AI →
