General Intuition sammelt 320 Millionen Dollar, um Roboter mit Gameplay-Daten zu trainieren

General Intuition setzt groß auf mit Aktionen gelabeltes Video

General Intuition hat in einer Series-A-Finanzierungsrunde 320 Millionen Dollar aufgenommen, ein Schritt, der dem Unternehmen zufolge beim Aufbau von KI-Systemen helfen wird, die in virtuellen und physischen Umgebungen wahrnehmen, vorhersagen und handeln können. Die Finanzierung bewertet das in New York ansässige Unternehmen mit 2,3 Milliarden Dollar und erhöht die Gesamtfinanzierung auf 454 Millionen Dollar, nach den 134 Millionen Dollar, die es im Oktober aufgenommen hatte.

Diese Schlagzeilensumme ist für sich genommen bemerkenswert, doch der interessantere Teil des Konzepts des Unternehmens ist die dahinterstehende Datenstrategie. General Intuition sagt, dass es seine Modelle nicht in erster Linie mit geschriebenem Text, klassischen Robotik-Datensätzen oder synthetischen Simulationsausgaben trainiert, sondern mit Milliarden von Gameplay-Clips, die auf Medal hochgeladen wurden, der Gaming-Plattform, die vom CEO Pim de Witte mitgegründet wurde.

Diese Clips zeigen mehr als nur, was auf dem Bildschirm passiert ist. Nach Angaben des Unternehmens enthalten sie eingebettete Aktionslabels, die festhalten, welche Taste ein Spieler wann gedrückt hat. Das bedeutet, dass der Datensatz visuellen Kontext mit konkreten menschlichen Handlungen über die Zeit verknüpft. Für ein Unternehmen, das Systeme trainieren will, die Umgebungen interpretieren und entscheiden müssen, was als Nächstes zu tun ist, ist diese Kombination zentral.

Warum sich der Datensatz abhebt

Ein großer Teil der heutigen KI-Branche ist weiterhin um Sprache herum organisiert. Große Foundation Models wurden auf riesigen Korpora geschriebener Wörter aufgebaut, und viele Systeme übertragen diesen Ansatz auf Bilder, Audio oder Code. General Intuition argumentiert, dass dieses Paradigma für das, was das Unternehmen als physische KI bezeichnet, nicht ausreicht.

Die erklärte Sicht des Unternehmens ist, dass reine Textbeschreibungen nicht die Art von geerdetem, handlungsorientiertem Lernen liefern können, die Maschinen benötigen, die mit der Welt interagieren. In dieser Perspektive geht es bei Intelligenz nicht nur darum, Realität zu beschreiben, sondern eine Situation wahrzunehmen, sich für eine Handlung zu entscheiden und die Konsequenzen zu erleben. Gameplay-Material, besonders in Verbindung mit Aktionsmetadaten, bietet wiederholte Beispiele dieses Kreislaufs über viele Umgebungen hinweg.

Dieses Argument ist wichtig, weil es eine anhaltende Lücke in Robotik und Embodied AI aufzeigt. Reale Trainingsdaten für Roboter sind teuer und langsam zu sammeln. Hochwertige Simulation kann helfen, aber synthetische Umgebungen mit nützlicher Vielfalt zu bauen, ist selbst ein großes Unterfangen. General Intuition versucht, diesen Engpass zu umgehen, indem es einen Datensatz nutzt, der bereits zeigt, wie Menschen komplexe Umgebungen unter wechselnden Zielen navigieren.

Das Ausgangsmaterial behauptet nicht, dass Spielaufnahmen ein direkter Ersatz für reale Robotikdaten sind, und dieser Unterschied ist wichtig. Virtuelle Aktionsspuren lösen nicht automatisch Kontaktmechanik, Sensorauschen oder die Zuverlässigkeit beim Einsatz in physischen Systemen. Die These des Unternehmens ist jedoch, dass sie großskalige Priors für Wahrnehmung, Vorhersage und Entscheidungsfindung liefern können, insbesondere beim Vortraining.

Von Worten zu Welten

Die Sprache von General Intuition rund um seine Technologie ist ungewöhnlich explizit. Das Unternehmen sagt, wirklich intelligente Maschinen müssten sich „from words to worlds“ bewegen und eine allgemeine Intuition der Realität entwickeln. Praktisch bedeutet das, Modelle zu entwickeln, die nicht nur Szenen labeln oder Prompts beantworten, sondern antizipieren, wie sich Umgebungen verändern, wenn Handlungen ausgeführt werden.

Um dieses Ziel zu stützen, entwickelt das Unternehmen eigenen Angaben zufolge seit seiner Gründung 2015 zwei zentrale Modellklassen. Die erste sind action models, die entscheiden, welche Aktion ausgeführt werden soll. Die zweite sind world models, die das Ergebnis dieser Aktionen vorhersagen. Diese Unterscheidung spiegelt eine wachsende Trennung in der fortgeschrittenen KI-Forschung zwischen Systemen wider, die auswählen, und Systemen, die Konsequenzen simulieren.

Das Unternehmen sagt außerdem, dass es world models als Trainingsumgebungen für agentic models testet. Wenn dieser Ansatz funktioniert, könnte er eine Feedback-Schleife schaffen, in der gelernte Umgebungsmodelle helfen, Trainingsgelegenheiten für Entscheidungssysteme zu erzeugen und so die Abhängigkeit von teurer Datenerfassung in der realen Welt zu verringern. Der vorliegende Text liefert keine Benchmarks oder externe Validierung, aber das Konzept passt zu breiteren Branchenbemühungen, Embodied AI daten-effizienter zu machen.

Investoren unterstützen den Ansatz aggressiv

Die Finanzierung selbst deutet darauf hin, dass Investoren die Prämisse des Unternehmens als mehr als ein Nischenexperiment ansehen. General Catalyst führte die Runde an, mit Beteiligung von Jeff Bezos und dem früheren Google-CEO Eric Schmidt. Die Höhe der Finanzierung zeigt, dass die Kapitalmärkte weiterhin bereit sind, ambitionierte Wetten auf Embodied AI zu finanzieren, insbesondere wenn diese Wetten eine differenzierte Datenquelle mit einer breiten Plattformgeschichte verbinden.

General Intuition sagt, dass es die neuen Mittel nutzen wird, um die Rechenkapazität auszubauen und die nächste Version seines Modells vorzutrainieren. Das sind kostspielige Schritte, aber sie passen zur aktuellen Ökonomie der Frontier-AI-Entwicklung. Einzigartige Daten können den anfänglichen Vorsprung schaffen, doch diesen Vorsprung in nützliche Modelle zu verwandeln, erfordert weiterhin erhebliche Infrastruktur, Engineering und Iteration.

Das Unternehmen plant außerdem, seine API diesen Sommer breiter verfügbar zu machen, so der vorliegende Text. Dieses Detail ist wichtig, weil es darauf hindeutet, dass sich General Intuition nicht auf eine Forschungsnarrative beschränkt. Das Unternehmen versucht, eine Infrastrukturschicht zu werden, auf der andere aufbauen können, sei es für Robotik, Agenten in simulierten Umgebungen oder Systeme, die beides verbinden.

Was das für Robotik und Embodied AI bedeutet

Die größere Bedeutung der Ankündigung liegt strategisch. Robotikentwickler kämpfen seit Langem mit einer Lücke zwischen der Komplexität realen Verhaltens und dem Mangel an skalierbaren Trainingsdaten. Die Antwort von General Intuition ist, menschliches Gameplay als Brücke zu nutzen: ein riesiges Archiv von Wahrnehmungs-Handlungs-Beispielen, das außerhalb der Robotikbranche gesammelt wurde, für diese aber potenziell nützlich ist.

Wenn das funktioniert, könnte es die Bandbreite der Datenpipelines erweitern, die Embodied-AI-Unternehmen zur Verfügung stehen. Anstatt sich hauptsächlich zwischen teurer realer Erfassung und vollständig synthetischen Umgebungen entscheiden zu müssen, könnten Entwickler zunehmend auf hybride Ansätze setzen, die natürlich entstandene menschliche Interaktionsdaten in virtuellen Umgebungen nutzen.

Es bleiben offene Fragen, die das vorliegende Material nicht beantwortet, darunter, wie gut sich aus Gameplay abgeleitete Modelle auf physische Roboter übertragen lassen, welche Bereiche am meisten profitieren und wie die Leistung gegenüber konventionelleren Ansätzen bewertet wird. Das Unternehmen muss jedoch nicht alle diese Fragen sofort beantworten, um den Markt zu beeinflussen. Eine Series A über 320 Millionen Dollar ist bereits ein Signal, dass Investoren glauben, die nächste Phase des KI-Wettbewerbs werde weniger durch die Menge des Textes bestimmt, sondern vielmehr durch den Reichtum an handlungsbasierten Daten.

Für den Moment hat General Intuition drei klare Fakten geschaffen. Das Unternehmen hat eine erhebliche neue Runde aufgenommen, es trainiert mit Milliarden von Gameplay-Clips mit eingebetteten Aktionslabels, und es nutzt diese Daten, um Modelle zu verfolgen, die in virtuellen und physischen Umgebungen wahrnehmen, vorhersagen und handeln sollen. In einem Sektor, der nach skalierbaren Wegen sucht, leistungsfähigere Maschinen zu trainieren, reicht das aus, um das Unternehmen zu einem der derzeit am genauesten beobachteten Embodied-AI-Akteure zu machen.

Dieser Artikel basiert auf der Berichterstattung von The Robot Report. Den Originalartikel lesen.