General Intuition تجمع 320 مليون دولار لتدريب الروبوتات باستخدام بيانات الألعاب

General Intuition تراهن بقوة على الفيديو المرفق بوسوم الأفعال

جمعت General Intuition تمويلاً من الفئة Series A بقيمة 320 مليون دولار، وتقول الشركة إن هذه الجولة ستساعدها على بناء أنظمة ذكاء اصطناعي قادرة على الإدراك والتنبؤ واتخاذ الفعل في كل من البيئات الافتراضية والفيزيائية. وتمنح هذه الصفقة الشركة التي تتخذ من نيويورك مقرًا لها تقييمًا قدره 2.3 مليار دولار، وترفع إجمالي تمويلها إلى 454 مليون دولار، بعد أن جمعت 134 مليون دولار في أكتوبر.

هذا الرقم الرئيسي لافت بحد ذاته، لكن الجزء الأكثر إثارة في طرح الشركة هو استراتيجية البيانات التي تقف خلفه. تقول General Intuition إنها لا تدرب نماذجها أساسًا على النصوص المكتوبة أو مجموعات بيانات الروبوتات التقليدية أو مخرجات المحاكاة الاصطناعية، بل على مليارات المقاطع من أسلوب اللعب المرفوعة إلى Medal، منصة الألعاب التي شارك في تأسيسها الرئيس التنفيذي Pim de Witte.

هذه المقاطع لا تعرض فقط ما حدث على الشاشة. ووفقًا للشركة، فهي تتضمن وسوم أفعال مضمّنة تسجل الزر الذي ضغطه اللاعب والوقت الذي ضغطه فيه. وهذا يعني أن مجموعة البيانات تربط السياق البصري بأفعال بشرية محددة عبر الزمن. وبالنسبة لشركة تحاول تدريب أنظمة يجب أن تفسر البيئات وتقرر ما الذي ينبغي فعله بعد ذلك، فإن هذا الربط أساسي.

لماذا تتميز مجموعة البيانات هذه

لا يزال جزء كبير من صناعة الذكاء الاصطناعي الحالية منظمًا حول اللغة. فقد بُنيت النماذج الأساسية الكبيرة على corpora ضخمة من الكلمات المكتوبة، كما توسع كثير من الأنظمة هذا النهج إلى الصور أو الصوت أو الشفرة. وتجادل General Intuition بأن هذا النموذج غير كافٍ لما تسميه الذكاء الاصطناعي الفيزيائي.

وترى الشركة أن الأوصاف النصية وحدها لا يمكن أن توفر النوع من التعلم المرتبط بالواقع والموجّه بالفعل الذي تحتاجه الآلات التي تتفاعل مع العالم. وفي هذا التصور، لا يقتصر الذكاء على وصف الواقع، بل يشمل إدراك الموقف، واتخاذ قرار بشأن الفعل، ثم اختبار نتائجه. وتقدم لقطات اللعب، خصوصًا عندما تقترن ببيانات وصفية للأفعال، أمثلة متكررة على هذه الدورة عبر بيئات عديدة.

تكتسب هذه الحجة أهميتها لأنها تحدد فجوة مستمرة في الروبوتات والذكاء الاصطناعي المجسد. فبيانات تدريب الروبوتات في العالم الحقيقي مكلفة وبطيئة الجمع. ويمكن للمحاكاة عالية الجودة أن تساعد، لكن بناء بيئات اصطناعية ذات تنوع مفيد هو بحد ذاته مهمة ضخمة. وتحاول General Intuition تجاوز هذا الاختناق عبر الاستفادة من مجموعة بيانات تلتقط بالفعل كيفية تنقل البشر في بيئات معقدة تحت أهداف متغيرة.

لا يدعي المصدر أن لقطات الألعاب بديل مباشر لبيانات الروبوتات في العالم الحقيقي، وهذا التفريق مهم. فآثار الأفعال الافتراضية لا تحل تلقائيًا مشكلات ديناميات التلامس أو ضوضاء المستشعرات أو موثوقية النشر في الأنظمة الفيزيائية. لكن أطروحة الشركة هي أنها يمكن أن توفر priors واسعة النطاق للإدراك والتنبؤ واتخاذ القرار، خاصة خلال مرحلة ما قبل التدريب.

من الكلمات إلى العوالم

اللغة التي تستخدمها General Intuition لوصف تقنيتها صريحة على نحو غير معتاد. وتقول الشركة إن الآلات الذكية حقًا يجب أن تنتقل “from words to worlds”، وأن تكتسب ما تسميه intuition عامة عن الواقع. عمليًا، يعني ذلك تطوير نماذج لا تقتصر على تصنيف المشاهد أو الإجابة عن المطالبات، بل تتوقع كيف تتغير البيئات عندما تُتخذ الأفعال.

ولدعم هذا الطموح، تقول الشركة إنها تطور منذ تأسيسها في عام 2015 فئتين رئيسيتين من النماذج. الأولى هي action models، التي تقرر ما الفعل الذي يجب اتخاذه. والثانية هي world models، التي تتنبأ بنتيجة هذه الأفعال. ويعكس هذا التمييز انقسامًا متزايدًا في أبحاث الذكاء الاصطناعي المتقدمة بين الأنظمة التي تختار والأنظمة التي تحاكي العواقب.

وتقول الشركة أيضًا إنها تختبر world models كبيئات تدريب لنماذج agentic. وإذا نجح هذا النهج، فقد يخلق حلقة تغذية راجعة تساعد فيها نماذج البيئة المتعلمة على توليد فرص تدريب لأنظمة اتخاذ القرار، مما يقلل الاعتماد على جمع البيانات المكلف من العالم الحقيقي. ولا يقدم النص المصدر مؤشرات معيارية أو تحققًا خارجيًا، لكن الفكرة تتماشى مع الجهود الأوسع في القطاع لجعل الذكاء الاصطناعي المجسد أكثر كفاءة في استهلاك البيانات.

المستثمرون يدعمون النهج بقوة

تشير جولة التمويل نفسها إلى أن المستثمرين يرون في فرضية الشركة أكثر من مجرد تجربة متخصصة. فقد قادت General Catalyst الجولة، مع مشاركة Jeff Bezos والرئيس التنفيذي السابق لـ Google Eric Schmidt. ويعكس حجم التمويل أن أسواق رأس المال ما تزال مستعدة لتمويل رهانات طموحة في الذكاء الاصطناعي المجسد، خاصة عندما تجمع هذه الرهانات بين مصدر بيانات مميز وسردية منصة واسعة.

وتقول General Intuition إنها ستستخدم التمويل الجديد لتوسيع قدرة الحوسبة وما قبل تدريب النسخة التالية من نموذجها. وهذه خطوات مكلفة، لكنها تتماشى مع اقتصاديات تطوير الذكاء الاصطناعي الحدّي الحالية. فقد تمنح البيانات الفريدة ميزة أولية، لكن تحويل تلك الميزة إلى نماذج مفيدة لا يزال يتطلب بنية تحتية وهندسة وتكرارًا واسعًا.

كما تخطط الشركة لإتاحة واجهة API الخاصة بها على نطاق أوسع هذا الصيف، وفقًا للنص المصدر المقدم. وهذه نقطة مهمة لأنها تشير إلى أن General Intuition لا تحصر نفسها في سردية بحثية. إنها تحاول أن تصبح طبقة بنية تحتية يمكن للآخرين البناء فوقها، سواء للروبوتات أو للوكلاء في البيئات المحاكاة أو للأنظمة التي تربط بين الاثنين.

ماذا يعني ذلك للروبوتات والذكاء الاصطناعي المجسد

تكمن الأهمية الكبرى لهذا الإعلان في الجانب الاستراتيجي. فقد كافح مطورو الروبوتات طويلًا مع الفجوة بين تعقيد السلوك في العالم الحقيقي وندرة بيانات التدريب القابلة للتوسع. وإجابة General Intuition هي استخدام gameplay البشري كجسر: أرشيف ضخم من أمثلة الإدراك-الفعل جُمعت خارج صناعة الروبوتات لكنها قد تكون مفيدة لها.

وإذا نجح ذلك، فقد يوسع نطاق مسارات البيانات المتاحة لشركات الذكاء الاصطناعي المجسد. فبدلاً من الاختيار أساسًا بين الجمع المكلف من العالم الحقيقي والبيئات الاصطناعية بالكامل، قد يعتمد المطورون بشكل متزايد على نهج هجينة تستفيد من بيانات تفاعل بشري طبيعية الحدوث في بيئات افتراضية.

لا تزال هناك أسئلة مفتوحة لا تغطيها المادة المقدمة، بما في ذلك مدى انتقال النماذج المستمدة من الألعاب إلى الروبوتات الفيزيائية، وأي المجالات تستفيد أكثر، وكيف يُقاس الأداء مقارنة بالنهج التقليدية. لكن الشركة لا تحتاج إلى حسم كل تلك الأسئلة فورًا كي تؤثر في السوق. فتمويل Series A بقيمة 320 مليون دولار هو في حد ذاته إشارة إلى أن المستثمرين يعتقدون أن المرحلة التالية من المنافسة في الذكاء الاصطناعي قد تُحدد بدرجة أقل بمن يملك أكبر قدر من النصوص، وبدرجة أكبر بمن يملك أغنى بيانات متمحورة حول الفعل.

حتى الآن، أثبتت General Intuition ثلاث حقائق واضحة. لقد جمعت جولة جديدة كبيرة، وهي تدرب على مليارات المقاطع من أسلوب اللعب مع وسوم أفعال مضمّنة، وهي تستخدم تلك البيانات لملاحقة نماذج مصممة للإدراك والتنبؤ والفعل عبر البيئات الافتراضية والفيزيائية. وفي قطاع يبحث عن طرق قابلة للتوسع لتدريب آلات أكثر قدرة، يكفي ذلك لجعل الشركة واحدة من أكثر اللاعبين في مجال الذكاء الاصطناعي المجسد متابعة في الوقت الحالي.

هذه المقالة مبنية على تقرير The Robot Report. اقرأ المقال الأصلي.