General Intuition یک بذر 134 میلیون دلاری برای آموزش استدلال فضایی با استفاده از کلیپ های بازی های ویدیویی به ماموران می آورد.

Medal، پلتفرمی برای آپلود و اشتراک‌گذاری کلیپ‌های بازی‌های ویدیویی، یک آزمایشگاه تحقیقاتی مرزی هوش مصنوعی ایجاد کرده است که از مجموعه ویدیوهای بازی خود برای آموزش و ساخت مدل‌های پایه و عوامل هوش مصنوعی استفاده می‌کند که می‌توانند نحوه حرکت اشیا و موجودات در فضا و زمان را درک کنند – مفهومی که به عنوان استدلال مکانی-زمانی شناخته می‌شود.

این استارت‌آپ که General Intuition نامیده می‌شود، شرط می‌بندد که مجموعه داده‌های Medal – که شامل 2 میلیارد ویدیو در سال از 10 میلیون کاربر فعال ماهانه در ده‌ها هزار بازی است – از جایگزین‌هایی مانند Twitch یا YouTube برای آموزش نمایندگان پیشی می‌گیرد.

Pim de Witte، مدیر عامل Medal and General Intuition به TechCrunch گفت: «وقتی بازی‌های ویدیویی انجام می‌دهید، اساساً ادراک خود را، معمولاً از طریق دید اول شخص از دوربین، به محیط‌های مختلف منتقل می‌کنید. او خاطرنشان کرد که گیمرهایی که کلیپ‌ها را آپلود می‌کنند، معمولاً نمونه‌های بسیار منفی یا مثبتی را ارسال می‌کنند که به عنوان لبه‌های واقعاً مفید برای آموزش عمل می‌کنند. “شما این سوگیری انتخاب را دقیقاً نسبت به نوع داده هایی که واقعاً می خواهید برای کار آموزشی استفاده کنید، دریافت می کنید.”

این خندق داده همان چیزی است که ظاهراً توجه OpenAI را به خود جلب کرده است، که در اواخر سال گذشته تلاش کرد تا مدال را با قیمت 500 میلیون دلار در هر سال به دست آورد. اطلاعات. (نه OpenAI و نه General Intuition در مورد این گزارش اظهار نظر نمی کنند.)

همچنین این همان چیزی است که جنرال شهود را به جمع آوری 133.7 میلیون دلار سرمایه اولیه، به رهبری Khosla Ventures و General Catalyst با مشارکت Raine، رساند.

این استارت‌آپ قصد دارد از این بودجه برای رشد تیم محققان و مهندسان خود استفاده کند که بر آموزش یک عامل عمومی متمرکز است که بتواند با دنیای اطراف خود تعامل داشته باشد و برنامه‌های کاربردی اولیه در بازی‌ها و پهپادهای جستجو و نجات را هدف قرار دهد.

De Witte می گوید که تیم موسس قبلاً پیشرفت هایی را انجام داده است: مدل General Intuition می تواند محیط هایی را که در آن آموزش ندیده اند را درک کند و به درستی اقدامات درون آنها را پیش بینی کند. قادر است این کار را صرفاً از طریق ورودی بصری انجام دهد. عوامل فقط آنچه را که یک بازیکن انسانی می بیند می بینند و با دنبال کردن ورودی های کنترلر در فضا حرکت می کنند. این شرکت می‌گوید این رویکرد می‌تواند به طور طبیعی به سیستم‌های فیزیکی مانند بازوهای رباتیک، پهپادها و وسایل نقلیه خودران که اغلب توسط انسان‌ها با استفاده از کنترل‌کننده‌های بازی ویدیویی دستکاری می‌شوند، منتقل شود.

نقطه عطف بعدی General Intuition دو مورد است: تولید جهان های شبیه سازی شده جدید برای آموزش عوامل دیگر و پیمایش مستقل در محیط های فیزیکی کاملاً ناآشنا.

این رویکرد فنی نحوه برنامه ریزی شرکت برای تجاری سازی فناوری خود را شکل می دهد و آن را از رقبای سازنده مدل های جهانی متمایز می کند.

در حالی که جنرال شهود نیز در حال ساخت مدل‌های جهانی برای آموزش عوامل خود است، چنین مدل‌هایی محصول نیستند. بر خلاف سایر مدل سازان جهان مانند DeepMind و World Labs که مدل های جهانی خود را می فروشند Genie و سنگ مرمربه ترتیب، برای آموزش عوامل و ایجاد محتوا، General Intuition روی موارد استفاده دیگر تمرکز می کند تا از مسائل مربوط به حق چاپ جلوگیری کند.

د ویت گفت: “هدف ما تولید مدل هایی نیست که با توسعه دهندگان بازی رقابت کنند.”

در عوض، برنامه‌های بازی استارت‌آپ حول محور ایجاد ربات‌ها و شخصیت‌های غیربازیکن است که می‌توانند از «ربات‌های قطعی» سنتی یا شخصیت‌های از پیش برنامه‌ریزی‌شده‌ای که هر بار خروجی یکسانی تولید می‌کنند، پیشی بگیرند.

“[The bots] موریتز بایر-لنتز، یکی از اعضای بنیانگذار General Intuition و شریک Lightspeed Ventures، به TechCrunch گفت: “ایجاد ربات خدایی که همه را شکست دهد، اجباری نیست، اما اگر بتوانید به تدریج مقیاس کنید و نقدینگی را برای هر موقعیت بازیکنی پر کنید، به طوری که نرخ برد آنها همیشه در حدود 50٪ باشد.”

De Witte همچنین پیشینه ای در کارهای بشردوستانه دارد که از تمرکز استارتاپ بر روی نیرو دادن به پهپادهای جستجو و نجات خبر می دهد که گاهی اوقات مجبورند در محیط های ناآشنا حرکت کنند و اطلاعات را بدون GPS استخراج کنند.

در نهایت، دو ویت و بایر-لنتز عملکرد اصلی General Intuition – استدلال مکانی-زمانی – را به عنوان یک قطعه حیاتی در رقابت به سمت هوش عمومی مصنوعی (AGI) می‌دانند. در حالی که آزمایشگاه‌های اصلی هوش مصنوعی بر ساخت مدل‌های زبان بزرگ و قدرتمندتر تمرکز می‌کنند، General Intuition معتقد است AGI واقعی به چیزی نیاز دارد که LLM اساساً فاقد آن است.

د ویت می گوید: «به عنوان انسان، متنی را برای توصیف آنچه در دنیای ما می گذرد ایجاد می کنیم، اما با انجام این کار، شما اطلاعات زیادی را از دست می دهید. “شما شهود کلی را در مورد استدلال مکانی-زمانی از دست می دهید.”