جذب ۳۲۰ میلیون دلار توسط General Intuition برای آموزش عامل‌های هوش مصنوعی با داده‌های بازی ویدیویی

یک استارت‌آپ که عامل‌های هوش مصنوعی را با فیلم‌های بازی ویدیویی آموزش می‌دهد، در یک دور Series A به رهبری Khosla Ventures موفق به جذب ۳۲۰ میلیون دلار شد. این سرمایه‌گذاری ارزش General Intuition را ۲.۳ میلیارد دلار برآورد می‌کند — کمتر از یک سال پس از آنکه این شرکت از حالت Stealth خارج شد و یک دور Seed Round به ارزش ۱۳۴ میلیون دلار را تکمیل کرده بود.

این دور که نخستین بار توسط TechCrunch گزارش شد، شامل سرمایه‌گذارانی چون General Catalyst، جف بزوس، اریک اشمیت، نیکو رزبرگ راننده فرمول یک، و پژوهشگرانی از Google DeepMind و MIT نیز می‌شود. با این حساب، مجموع سرمایه اعلام‌شده General Intuition به ۴۵۴ میلیون دلار می‌رسد.

بینش: بازی‌ها می‌دانند چه اتفاقی افتاد، نه فقط چه شکلی بود

بیشتر آموزش عامل‌های هوش مصنوعی مبتنی بر پیش‌بینی ویدیو است — مدل‌ها فیلم‌ها را تماشا می‌کنند و سعی می‌کنند استنباط کنند که چه عملی چه نتیجه‌ای تولید کرده است. رویکرد General Intuition متفاوت است. این شرکت خط لوله آموزش خود را روی Medal بنا کرده است، یک پلتفرم ضبط گیم‌پلی با ۱۷ میلیون کاربر فعال ماهانه، که نه فقط ویدیو، بلکه برچسب‌های عملی صریح پشت هر فریم را ثبت می‌کند: فشار دقیق دکمه‌ها، موقعیت‌های آنالوگ استیک، و داده‌های زمان‌بندی که هر حرکت را تولید کرده است.

این تمایز برای یادگیری علیت بسیار مهم است. مدلی که تنها روی ویدیو آموزش دیده باشد باید حدس بزند که یک شخصیت به دلیل ورودی کاربر پریده است یا به خاطر برخورد با یک فنر. مدلی که با برچسب‌های عملی Medal آموزش دیده دقیقاً می‌داند که چه کسی چه کاری و در چه زمانی انجام داده است. به گفته پیما ده ویت، مدیرعامل، این سیگنال علی غنی‌تر چیزی است که به مدل‌های General Intuition درک بنیادی‌تری از تمایز «خود در برابر محیط» می‌دهد — قابلیتی که او معتقد است برای عامل‌هایی که نیاز به عمل قابل اعتماد در محیط‌های بدون ساختار دارند، ضروری است.

یک مدل برای بازی‌ها و ربات‌ها

هدف فنی این شرکت یک مدل پایه واحد است که بتواند هم عامل‌های مجازی در محیط‌های بازی و هم ربات‌های فیزیکی در دنیای واقعی را کنترل کند. استدلال فضایی-زمانی که از طریق گیم‌پلی ایجاد می‌شود — درک اینکه اشیاء چگونه در فضا حرکت می‌کنند، چگونه دنباله‌ای از اقدامات در طول زمان نتایج ایجاد می‌کنند، چگونه محیط‌ها به ورودی‌ها پاسخ می‌دهند — به گفته شرکت، به وظایف دستکاری فیزیکی منتقل می‌شود، جایی که ربات‌ها با چالش‌های زیربنایی مشابهی روبرو هستند.

این رویکرد General Intuition را در کنار مجموعه رو به رشدی از شرکت‌ها قرار می‌دهد که از زوایای مختلف به مشکل مدل پایه ربات حمله می‌کنند: Figure AI و Physical Intelligence روی داده‌های ربات فیزیکی آموزش می‌دهند؛ World Labs و دیگران در حال ساخت مدل‌های جهان از ویدیوهای اینترنت هستند. شرط General Intuition این است که داده‌های بازی، با حاشیه‌نویسی‌های عملی صریح و مقیاس عظیم خود، مسیر سریع‌تر و ارزان‌تری به همان مقصد ارائه می‌دهد.

۳۲۰ میلیون دلار چه چیزی می‌خرد

بیشتر سرمایه جدید به مقیاس‌سازی ظرفیت محاسباتی از طریق مشارکت با CoreWeave، ارائه‌دهنده GPU Cloud که به یک شریک زیرساختی بزرگ برای آزمایشگاه‌های هوش مصنوعی تبدیل شده است، اختصاص یافته است. بخش قابل توجهی صرف پیش‌آموزش نسخه بعدی مدل شرکت خواهد شد. باقیمانده برای گسترش دسترسی API در نظر گرفته شده است — General Intuition قصد دارد مدل‌های خود را تا پایان تابستان ۲۰۲۶ در اختیار توسعه‌دهندگان خارجی قرار دهد.

اندازه این دور سرمایه‌گذاری هم نشان‌دهنده شدت سرمایه‌بری آموزش مدل‌های بزرگ و هم اعتماد سرمایه‌گذاران به این است که رویکرد داده‌های بازی می‌تواند با خطوط لوله ساخته‌شده بر روی داده‌های روباتیک سنتی‌تر یا اینترنت رقابت کند. اینکه آیا مدلی که روی گیم‌پلی Medal آموزش دیده است می‌تواند به پیچیدگی کامل دستکاری فیزیکی تعمیم یابد، سؤال فنی اصلی باقی می‌ماند — و همان سؤالی است که نسخه بعدی مدل برای پاسخ به آن طراحی شده است.