General Intuition recauda 320 millones de dólares para entrenar robots con datos de videojuegos

General Intuition apuesta fuerte por el video con etiquetas de acción

General Intuition ha recaudado 320 millones de dólares en una ronda Serie A, una operación que, según la compañía, le ayudará a construir sistemas de IA capaces de percibir, predecir y actuar tanto en entornos virtuales como físicos. La financiación valora a la empresa con sede en Nueva York en 2.300 millones de dólares y eleva su financiación total a 454 millones de dólares, tras los 134 millones que obtuvo en octubre.

Esa cifra principal ya es notable por sí sola, pero la parte más interesante de la propuesta de la empresa es la estrategia de datos que la sustenta. General Intuition afirma que está entrenando sus modelos no principalmente con texto escrito, conjuntos de datos robóticos convencionales ni salida sintética de simulación, sino con miles de millones de clips de videojuegos subidos a Medal, la plataforma de gaming cofundada por su director ejecutivo, Pim de Witte.

Esos clips muestran más que lo que ocurrió en pantalla. Según la empresa, incluyen etiquetas de acción integradas que registran qué botón pulsó un jugador y cuándo. Eso significa que el conjunto de datos vincula el contexto visual con acciones humanas específicas a lo largo del tiempo. Para una empresa que intenta entrenar sistemas capaces de interpretar entornos y decidir qué hacer a continuación, esa combinación es fundamental.

Por qué destaca este conjunto de datos

Gran parte de la industria de la IA actual sigue organizada en torno al lenguaje. Los grandes modelos fundacionales se han construido sobre vastos corpus de palabras escritas, y muchos sistemas amplían ese enfoque a imágenes, audio o código. General Intuition sostiene que ese paradigma no basta para lo que llama IA física.

La visión declarada de la empresa es que las descripciones textuales por sí solas no pueden proporcionar el tipo de aprendizaje situado y orientado a la acción que necesitan las máquinas que interactúan con el mundo. En su planteamiento, la inteligencia no consiste solo en describir la realidad, sino en percibir una situación, decidir una acción y experimentar las consecuencias. Las imágenes de videojuegos, especialmente cuando se combinan con metadatos de acción, ofrecen ejemplos repetidos de ese ciclo en muchos entornos.

Este argumento es importante porque identifica una brecha persistente en la robótica y la IA encarnada. Los datos de entrenamiento de robots en el mundo real son caros y lentos de recopilar. La simulación de alta calidad puede ayudar, pero construir entornos sintéticos con diversidad útil es en sí mismo un gran esfuerzo. General Intuition trata de sortear ese cuello de botella aprovechando un conjunto de datos que ya captura a humanos navegando entornos complejos bajo objetivos cambiantes.

El material de origen no afirma que las grabaciones de videojuegos sean un sustituto directo de los datos robóticos del mundo real, y esa distinción importa. Las trazas de acción virtual no resuelven automáticamente la dinámica de contacto, el ruido de los sensores o la fiabilidad en la implementación física. Pero la tesis de la empresa es que pueden aportar priors a gran escala para la percepción, la predicción y la toma de decisiones, especialmente durante el preentrenamiento.

De las palabras a los mundos

El lenguaje de General Intuition sobre su tecnología es inusualmente explícito. La empresa dice que las máquinas verdaderamente inteligentes deben pasar “from words to worlds”, adquiriendo lo que llama una intuición general de la realidad. En la práctica, eso significa desarrollar modelos que no se limiten a etiquetar escenas o responder preguntas, sino que anticipen cómo cambian los entornos cuando se realizan acciones.

Para respaldar esa ambición, la compañía afirma que desde su fundación en 2015 ha estado desarrollando dos clases principales de modelos. La primera son los action models, que deciden qué acción tomar. La segunda son los world models, que predicen el resultado de esas acciones. Esa distinción refleja una separación cada vez más marcada en la investigación avanzada de IA entre sistemas que eligen y sistemas que simulan consecuencias.

La empresa también afirma que está probando los world models como entornos de entrenamiento para agentic models. Si ese enfoque funciona, podría crear un bucle de retroalimentación en el que los modelos de entorno aprendidos ayuden a generar oportunidades de entrenamiento para sistemas de toma de decisiones, reduciendo la dependencia de la costosa recopilación de datos del mundo real. El texto fuente no aporta métricas ni validación externa, pero el concepto encaja con esfuerzos más amplios del sector por hacer la IA encarnada más eficiente en datos.

Los inversores respaldan la estrategia con fuerza

La financiación en sí sugiere que los inversores ven la premisa de la empresa como algo más que un experimento de nicho. General Catalyst lideró la ronda, con la participación de Jeff Bezos y del exdirector ejecutivo de Google Eric Schmidt. El tamaño de la captación indica que los mercados de capital siguen dispuestos a financiar apuestas ambiciosas en IA encarnada, especialmente cuando combinan una fuente de datos diferenciada con una narrativa de plataforma amplia.

General Intuition dice que usará los nuevos fondos para ampliar la capacidad de cómputo y preentrenar la siguiente versión de su modelo. Son pasos costosos, pero encajan con la economía actual del desarrollo de IA de frontera. Los datos únicos pueden crear una ventaja inicial, pero convertir esa ventaja en modelos útiles sigue requiriendo una infraestructura, ingeniería e iteración considerables.

La compañía también planea hacer su API más ampliamente disponible este verano, según el texto fuente proporcionado. Ese detalle importa porque sugiere que General Intuition no se limita a una narrativa de investigación. Está intentando convertirse en una capa de infraestructura sobre la que otros puedan construir, ya sea para robótica, agentes en entornos simulados o sistemas que conecten ambos mundos.

Qué significa esto para la robótica y la IA encarnada

La mayor relevancia del anuncio es estratégica. Los desarrolladores de robótica llevan mucho tiempo lidiando con una desalineación entre la complejidad del comportamiento del mundo real y la escasez de datos de entrenamiento escalables. La respuesta de General Intuition es usar el gameplay humano como puente: un vasto archivo de ejemplos percepción-acción recopilados fuera de la industria robótica, pero potencialmente útiles para ella.

Si eso funciona, podría ampliar el abanico de canalizaciones de datos disponibles para las empresas de IA encarnada. En lugar de elegir principalmente entre la costosa recopilación en el mundo real y los entornos totalmente sintéticos, los desarrolladores podrían depender cada vez más de enfoques híbridos que aprovechen datos de interacción humana generados de forma natural en entornos virtuales.

Siguen existiendo preguntas abiertas que el material proporcionado no responde, entre ellas qué tan bien se transfieren los modelos derivados de videojuegos a robots físicos, qué dominios se benefician más y cómo se evalúa el rendimiento frente a enfoques más convencionales. Pero la empresa no necesita resolver todas esas cuestiones de inmediato para influir en el mercado. Una Serie A de 320 millones de dólares ya es una señal de que los inversores creen que la próxima fase de la competencia en IA podría definirse menos por quién tenga más texto y más por quién tenga los datos de acción más ricos.

Por ahora, General Intuition ha establecido tres hechos claros. Ha recaudado una gran nueva ronda, está entrenando con miles de millones de clips de videojuegos con etiquetas de acción integradas y está usando esos datos para perseguir modelos diseñados para percibir, predecir y actuar en entornos virtuales y físicos. En un sector que busca formas escalables de entrenar máquinas más capaces, eso basta para convertir a la empresa en uno de los actores de IA encarnada más vigilados del momento.

Este artículo se basa en la cobertura de The Robot Report. Leer el artículo original.