General Intuitionが23億ドルを投資、ビデオゲームがAIエージェントを現実世界で訓練できる可能性
サマリー
General Intuitionは、ビデオゲームを利用してAIエージェントを訓練する新しいアプローチを採用し、23億ドルの評価額で3億2000万ドルを調達しました。ゲームプレイから得られるデータを活用し、AIが現実世界での動作を学ぶことを目指しています。投資家たちはこのビジョンに賛同し、同社の技術が将来的なAIの発展に寄与することを期待しています。
本文
General IntuitionのニューヨークオフィスのR&Dフロアに入ると、同社の31歳の共同創業者兼CEOであるPim de Witteが、スタンディングデスクに置かれたモニターに私の注意を向けさせました。そこでは、Fortniteのようなゲームをプレイしているように見える存在がいましたが、それは人間ではありませんでした。「私たちのエージェントは100時間連続でプレイしています」と同社の製品責任者Kent Rollinsが誇らしげに言いました。
AIがゲームの仮想環境をナビゲートする様子に引き込まれる前に、大型の四足歩行ロボットの電子的な足音が近づいてきました。「ゲームをプレイしているエージェントを動かしているのと同じ脳がロボットを動かしています」とde Witteは私に語りました。データアナリストのJosh Duplantisは、ロボットのカメラからのライブフィードをストリーミングしているノートパソコンを持っており、ロボットのデフォルトモードは「探索」であると説明しました。
そのカメラを頼りに、巨大な虫のようなロボットは私の周りを回り、オフィスの中を進んでいきました。時折、椅子の脚にぶつかったり、ゴミ箱に衝突したりしましたが、それはまるで自分の体が周囲の世界とどのように関係しているのかをまだ学んでいない幼児のようでした。Duplantisによれば、四足歩行ロボットのAIモデルを微調整するのに必要だったのは、わずか8分間の現実世界のロボティクスデータでした。さらに、そのデータは現在ロボットがナビゲートしているオフィス内ではなく、街中で収集されたものでした。
ゲームプレイからシミュレーション、そして具現化へと一般化できるエージェントモデルがGeneral Intuitionの存在意義です。このモデルが世界の中での自分の位置を理解する能力は、いくつかの大手投資家の支持を得ています。General Intuitionは、木曜日に3億2000万ドルを調達し、評価額は23億ドルに達したと発表しました。これにより、General Intuitionの総公開資金は4億5400万ドルに達しました。
このスタートアップは、ゲームプレイのクリップをアップロードして共有することを可能にするde Witteの他の会社、Medalからスピンアウトしました。アップロードされた数億時間のゲームプレイは、General Intuitionのモデルを空間的・時間的推論で訓練するための初期データセットを提供しました。しかし、重要な要素はゲームプレイの映像ではなく、それらのクリップに埋め込まれたアクションラベルでした。これは、プレイヤーがいつどのボタンを押したかの記録です。de Witteによれば、ほとんどの競合他社は映像からアクションを推測しようとしていますが、それは不十分だと彼は主張しています。
「私たちはこれを未来の事前訓練の次の段階と見ています」とde Witteは言いました。「私たちは、Fortniteの画面上の情報に反応し、行動を起こすことができる単一のモデルを持っていますが、LLM（大規模言語モデル）にはできない方法で現実世界のダイナミクスにも反応します。」
de Witteは、General Intuitionの世界モデルを実行するノートパソコンを私にセットアップしました。これは、従来のゲームエンジンによってレンダリングされるのではなく、フレームごとに生成されたシミュレーション環境です。私は、他の世界モデルをテストする際によく行うように、壁に向かってまっすぐ歩きました。私が試した他のデモでは、制御するエージェントが時々壁を通り抜けることがありますが、これはそうではありませんでした。数百万時間のゲームプレイから、壁が壁であり、はしごは登るためのものであり、太陽が動くにつれて影が長くなることを学んだのです。
General Intuitionにとって、この世界モデルは製品ではなく、訓練環境（社内では「ジム」と呼ばれています）です。同社は最終的にエージェントモデル自体を販売したいと考えており、de Witteはゲームプレイに埋め込まれたアクションデータがモデルに「自己」と「環境」を区別させ、因果関係をより豊かに理解させるのに役立つと主張しています。
General Intuitionの技術はデモで印象的ですが、同社だけがこの問題を解決しようとしているわけではありません。さらに、このようなモデルを物理的な世界でスケールさせることはまだ実現されていません。この種のアプローチのほとんどは、ゆっくりと高価に収集される膨大な量の現実世界のデータを必要とします。General Intuitionの賭けは、ゲームプレイがスケーラブルなショートカットであるということです。
投資家たちもその賭けに賛同しています。General Intuitionの最新のラウンドはKhosla Venturesが主導し、General Catalyst、Jeff Bezos、Eric Schmidt、Nico Rosberg、Google DeepMindやMITの研究者たちが参加しました。このラウンドの大部分はコンピューティング能力のスケーリングに使われます。General IntuitionはCoreWeaveとの契約を結んでおり、次のモデルの事前訓練に焦点を当てる予定です。夏の終わりまでにAPIをより広く利用できるようにするための一部も確保されています。
Khoslaは、de Witteのビジョンと同社の独自データの位置に惹かれたと語ります。「LLMを見てください。推論が出現したとき、それは量子的な飛躍でした」とKhoslaは電話インタビューで述べました。「世界モデルにおいて、私はAIにおける直感の出現が量子的な飛躍だと思います。ゲームにおける人間の行動データと反応データが、直感の出現の鍵です。」
General Intuitionは、Medalのビデオゲームクリップからのデータに依存しています。General Intuitionは、Medalが大手研究所からの買収提案を断った後に生まれた部分もあると、スタートアップのチーフオブスタッフであるBrianna Martinは述べています。彼らは他の提案も受けていますが、de Witteと共同創業者たちは買収されることに興味がなく、投資家たちも今すぐの出口を求めていません。Khoslaがスタートアップを世代を超えた賭けと確信する理由の一つは、Medalを通じて得られる独自データの量と質です。「この時点では、データの取得になるでしょうが、それはあまり面白くありません」とKhoslaは言いました。
この賭けの一部は、de Witteの価値観を信頼することでもあります。彼は、国境なき医師団などの人道的な分野で3年間働いた経験があり、そのためGeneral Intuitionの技術がどのように使用されるかについて明確な線を引いています。「人間に害を及ぼすためにエージェントを使用したくありません」とde Witteは言いました。「もし私が『致死的な自律性を持つことを行っています』と言ったら、他の国で何が起こると思いますか？」
その軍事利用の制限は、シリコンバレーが戦争に対してますます楽観的になっている中で行われていますが、de Witteは自分のモデルが捜索救助ミッションに使用されることには満足しています。de Witteはオランダ出身で、彼のチームの多くはヨーロッパ人であり、これが会社のアイデンティティに影響を与えています。彼は、Palantirがアメリカ合衆国の移民・関税執行局との仕事を理由に公に辞職したことから、Martinを採用した部分もあると述べています。「シリコンバレーが何をするのか、私は理解できません」と彼は言いました。「私がそこにいない理由があります。」
de Witteの倫理観は、モデルが何をしないかを制限するだけではありません。彼は、ティーンエイジャーの頃にプライベートなRuneScapeサーバーを構築してホストすることで150万ドルを稼いだゲーマーとして、AIモデルができることによって取り残される人々についても考えています。General Intuitionは最近、Nerveというプラットフォームを立ち上げ、ゲーマーが既存のセットアップを使用してお金を稼ぐことができるジョブマーケットプレイスを提供しました。登録した人はデータラベリングから始め、最終的にはロボットの遠隔操作や他のタスクに移行できます。de Witteは、MedalのユーザーベースがまさにAIによる置き換えに最もさらされている世代であり、彼らに次のステップに関与してもらいたいと考えています。
データのフライホイールを構築する可能性は、目標の一つです。「私たちは、一般化された基盤モデルがサービスを提供するさまざまな具現化を多様化できる顧客を選ぶつもりです」とde Witteは言いました。「したがって、研究を進める上で興味深く有用な現実世界のデータを提供できるかどうか、そして私たちが本当に埋め込まれたパートナーとしてお互いから学べるようなアジャイルな内部チームを持っているかどうかで、顧客を選ぶことを優先します。」
Khoslaは、General Intuitionの独自データがここまでの成功をもたらした要因であり、他にはないデータを引き続き収集する能力が重要であると述べています。特に、印象的なデモにもかかわらず、シミュレーションから現実世界への移行がスケールで維持できるかどうかは、誰も完全には答えていないオープンな質問です。
AIがゲームの仮想環境をナビゲートする様子に引き込まれる前に、大型の四足歩行ロボットの電子的な足音が近づいてきました。「ゲームをプレイしているエージェントを動かしているのと同じ脳がロボットを動かしています」とde Witteは私に語りました。データアナリストのJosh Duplantisは、ロボットのカメラからのライブフィードをストリーミングしているノートパソコンを持っており、ロボットのデフォルトモードは「探索」であると説明しました。
そのカメラを頼りに、巨大な虫のようなロボットは私の周りを回り、オフィスの中を進んでいきました。時折、椅子の脚にぶつかったり、ゴミ箱に衝突したりしましたが、それはまるで自分の体が周囲の世界とどのように関係しているのかをまだ学んでいない幼児のようでした。Duplantisによれば、四足歩行ロボットのAIモデルを微調整するのに必要だったのは、わずか8分間の現実世界のロボティクスデータでした。さらに、そのデータは現在ロボットがナビゲートしているオフィス内ではなく、街中で収集されたものでした。
ゲームプレイからシミュレーション、そして具現化へと一般化できるエージェントモデルがGeneral Intuitionの存在意義です。このモデルが世界の中での自分の位置を理解する能力は、いくつかの大手投資家の支持を得ています。General Intuitionは、木曜日に3億2000万ドルを調達し、評価額は23億ドルに達したと発表しました。これにより、General Intuitionの総公開資金は4億5400万ドルに達しました。
このスタートアップは、ゲームプレイのクリップをアップロードして共有することを可能にするde Witteの他の会社、Medalからスピンアウトしました。アップロードされた数億時間のゲームプレイは、General Intuitionのモデルを空間的・時間的推論で訓練するための初期データセットを提供しました。しかし、重要な要素はゲームプレイの映像ではなく、それらのクリップに埋め込まれたアクションラベルでした。これは、プレイヤーがいつどのボタンを押したかの記録です。de Witteによれば、ほとんどの競合他社は映像からアクションを推測しようとしていますが、それは不十分だと彼は主張しています。
「私たちはこれを未来の事前訓練の次の段階と見ています」とde Witteは言いました。「私たちは、Fortniteの画面上の情報に反応し、行動を起こすことができる単一のモデルを持っていますが、LLM（大規模言語モデル）にはできない方法で現実世界のダイナミクスにも反応します。」
de Witteは、General Intuitionの世界モデルを実行するノートパソコンを私にセットアップしました。これは、従来のゲームエンジンによってレンダリングされるのではなく、フレームごとに生成されたシミュレーション環境です。私は、他の世界モデルをテストする際によく行うように、壁に向かってまっすぐ歩きました。私が試した他のデモでは、制御するエージェントが時々壁を通り抜けることがありますが、これはそうではありませんでした。数百万時間のゲームプレイから、壁が壁であり、はしごは登るためのものであり、太陽が動くにつれて影が長くなることを学んだのです。
General Intuitionにとって、この世界モデルは製品ではなく、訓練環境（社内では「ジム」と呼ばれています）です。同社は最終的にエージェントモデル自体を販売したいと考えており、de Witteはゲームプレイに埋め込まれたアクションデータがモデルに「自己」と「環境」を区別させ、因果関係をより豊かに理解させるのに役立つと主張しています。
General Intuitionの技術はデモで印象的ですが、同社だけがこの問題を解決しようとしているわけではありません。さらに、このようなモデルを物理的な世界でスケールさせることはまだ実現されていません。この種のアプローチのほとんどは、ゆっくりと高価に収集される膨大な量の現実世界のデータを必要とします。General Intuitionの賭けは、ゲームプレイがスケーラブルなショートカットであるということです。
投資家たちもその賭けに賛同しています。General Intuitionの最新のラウンドはKhosla Venturesが主導し、General Catalyst、Jeff Bezos、Eric Schmidt、Nico Rosberg、Google DeepMindやMITの研究者たちが参加しました。このラウンドの大部分はコンピューティング能力のスケーリングに使われます。General IntuitionはCoreWeaveとの契約を結んでおり、次のモデルの事前訓練に焦点を当てる予定です。夏の終わりまでにAPIをより広く利用できるようにするための一部も確保されています。
Khoslaは、de Witteのビジョンと同社の独自データの位置に惹かれたと語ります。「LLMを見てください。推論が出現したとき、それは量子的な飛躍でした」とKhoslaは電話インタビューで述べました。「世界モデルにおいて、私はAIにおける直感の出現が量子的な飛躍だと思います。ゲームにおける人間の行動データと反応データが、直感の出現の鍵です。」
General Intuitionは、Medalのビデオゲームクリップからのデータに依存しています。General Intuitionは、Medalが大手研究所からの買収提案を断った後に生まれた部分もあると、スタートアップのチーフオブスタッフであるBrianna Martinは述べています。彼らは他の提案も受けていますが、de Witteと共同創業者たちは買収されることに興味がなく、投資家たちも今すぐの出口を求めていません。Khoslaがスタートアップを世代を超えた賭けと確信する理由の一つは、Medalを通じて得られる独自データの量と質です。「この時点では、データの取得になるでしょうが、それはあまり面白くありません」とKhoslaは言いました。
この賭けの一部は、de Witteの価値観を信頼することでもあります。彼は、国境なき医師団などの人道的な分野で3年間働いた経験があり、そのためGeneral Intuitionの技術がどのように使用されるかについて明確な線を引いています。「人間に害を及ぼすためにエージェントを使用したくありません」とde Witteは言いました。「もし私が『致死的な自律性を持つことを行っています』と言ったら、他の国で何が起こると思いますか？」
その軍事利用の制限は、シリコンバレーが戦争に対してますます楽観的になっている中で行われていますが、de Witteは自分のモデルが捜索救助ミッションに使用されることには満足しています。de Witteはオランダ出身で、彼のチームの多くはヨーロッパ人であり、これが会社のアイデンティティに影響を与えています。彼は、Palantirがアメリカ合衆国の移民・関税執行局との仕事を理由に公に辞職したことから、Martinを採用した部分もあると述べています。「シリコンバレーが何をするのか、私は理解できません」と彼は言いました。「私がそこにいない理由があります。」
de Witteの倫理観は、モデルが何をしないかを制限するだけではありません。彼は、ティーンエイジャーの頃にプライベートなRuneScapeサーバーを構築してホストすることで150万ドルを稼いだゲーマーとして、AIモデルができることによって取り残される人々についても考えています。General Intuitionは最近、Nerveというプラットフォームを立ち上げ、ゲーマーが既存のセットアップを使用してお金を稼ぐことができるジョブマーケットプレイスを提供しました。登録した人はデータラベリングから始め、最終的にはロボットの遠隔操作や他のタスクに移行できます。de Witteは、MedalのユーザーベースがまさにAIによる置き換えに最もさらされている世代であり、彼らに次のステップに関与してもらいたいと考えています。
データのフライホイールを構築する可能性は、目標の一つです。「私たちは、一般化された基盤モデルがサービスを提供するさまざまな具現化を多様化できる顧客を選ぶつもりです」とde Witteは言いました。「したがって、研究を進める上で興味深く有用な現実世界のデータを提供できるかどうか、そして私たちが本当に埋め込まれたパートナーとしてお互いから学べるようなアジャイルな内部チームを持っているかどうかで、顧客を選ぶことを優先します。」
Khoslaは、General Intuitionの独自データがここまでの成功をもたらした要因であり、他にはないデータを引き続き収集する能力が重要であると述べています。特に、印象的なデモにもかかわらず、シミュレーションから現実世界への移行がスケールで維持できるかどうかは、誰も完全には答えていないオープンな質問です。
