Mi lenne, ha a robotok „józan eszét” nem drága, lassú valós tesztelésből, hanem milliónyi órányi játékból lehetne felépíteni? A General Intuition erre tesz nagy tétben — és a befektetők most komoly pénzzel igazolták vissza, hogy a megközelítés legalábbis megér egy próbát.

Mi történt

A General Intuition 320 millió dolláros friss tőkét vont be 2,3 milliárd dolláros cégértékelés mellett. Ezzel a nyilvánosan ismert finanszírozása 454 millió dollárra nőtt a tavaly őszi, 134 milliós induló kör után. A kört a Khosla Ventures vezette, és többek között a General Catalyst, Jeff Bezos, Eric Schmidt, Nico Rosberg, valamint a Google DeepMind és az MIT több kutatója is beszállt.

A cég alapötlete: ugyanaz az „agy” képes legyen játékbeli ügynökként működni (például egy Fortnite-szerű környezetben), majd ugyanezt a tudást szimulációban és végül egy fizikai robotban kamatoztatni. A demóban egy négylábú robot alapmódban „felfedezést” végzett: egyetlen kamerára támaszkodva körbejárt, néha nekikoccant székeknek vagy kukáknak — kicsit úgy, mint egy totyogó gyerek, aki még tanulja a teste és a tárgyak viszonyát. A csapat azt állítja, hogy mindössze nyolc percnyi valós robotikai adat kellett a modell finomhangolásához (ráadásul ezt az adatot utcán gyűjtötték, nem a demó helyszínén).

Miért fontos

A legtöbb „világmodell” és robotikai tanulási irány ott vérzik el, hogy a fizikai világban a tanítóadat drága és lassan gyűlik: minden próbálkozás idő, hardverkopás és kockázat. A General Intuition kerülőutat keres: videójátékokból tanít tér-időbeli következtetést (gondolj rá úgy, mint egy belső „fizikaérzetre”, ami megtanulja, hogy a fal az fal, a létra mászásra való, és a fények-árnyékok a napszakkal változnak). A kulcs azonban nem önmagában a videó, hanem a játékosok pontos akciónaplója: melyik gombot mikor nyomták. Ez olyan, mintha nem csak azt látnád, mi történt, hanem azt is, milyen szándékkal és milyen beavatkozással történt — ez segíthet az ügynöknek szétválasztani a „saját cselekvést” a „környezet reakciójától”, ami a kauzalitás (ok-okozat) megértésének alapja.

Mire figyelj

  1. Skálázás vs. valóságteszt: a játékadat skálázható, de a fizikai világban való megbízhatóságot nagy léptékben még senki sem bizonyította. Érdemes figyelni, milyen feladatokban és milyen körülmények között tud majd stabilan működni a modell.
  2. Compute a szűk keresztmetszet: a friss tőke nagy része számítási kapacitásra megy, CoreWeave-megállapodással és a következő modellverzió előtanításával. Ez jelzi, hogy a módszer „adatban gazdag”, de számításigényes.
  3. API és hozzáférés: a cég az API szélesebb elérhetőségét nyár végére ígéri. A valódi próba az lesz, amikor külső fejlesztők nem demókban, hanem saját környezetben kezdik el törni és mérni a rendszert.
  4. Adatelőny tartóssága: a Medalból hozott gameplay + akciócímkék különleges készletnek tűnnek. Kérdés, mennyire védhető ez hosszú távon, és mennyire tudják új játékokra, új interakciókra kiterjeszteni.

A TechCrunch-nak nyilatkozó Vinod Khosla a „humán intuícióhoz” hasonló képesség megjelenését várja a világmodellekben, és ehhez szerinte a játékokból származó emberi akció–reakció adatok adják a döntő tanítójelet — a következő 12–18 hónapban kiderül, hogy ez az intuíció mennyire fordítható le megbízható, ismételhető valós viselkedésre.