General Intuitionは、同社の評価額を23億ドルとする3億2,000万ドルの資金調達ラウンドを実施した。ビデオゲーム内におけるプレイヤーの行動データが、AIモデルによる人間の直感に似た能力の発達を助け、その後、仮想環境からロボットや現実世界へ移行できるという見方に基づく賭けだ。
今回のラウンドにより、同社が公表した累計調達額は4億5,400万ドルとなった。昨年10月の設立時に調達した1億3,400万ドルのラウンドに続くものだ。新ラウンドはKhosla Venturesが主導し、General Catalyst、ジェフ・ベゾス、エリック・シュミット、ニコ・ロズベルグ、Google DeepMindおよびMITの研究者らが参加した。
ビデオゲームからロボットへ
General Intuitionは、プレイヤーがビデオゲームの動画をアップロードして共有できる企業Medalから分離して設立された。Medalが収集した数億時間分の動画は、空間・時間推論、つまり空間と時間の中をどのように移動するかを理解する同社のモデルを訓練するための初期データセットとなった。
しかし同社は、最も重要な要素は動画そのものではなく、動画に埋め込まれた行動ラベルだと考えている。これは、プレイヤーがどのボタンをいつ押したかを示す記録である。共同創業者兼CEOのビーム・デ・フィート氏によると、競合企業は動画だけから行動を推測しようとすることが多いが、それでは不十分だという。
ニューヨークにある同社のオフィスで行われたデモでは、Fortniteに似たゲームをAIエージェントがプレイする一方、同じモデルが1台のカメラを使って四足歩行ロボットを空間内で移動させていた。データアナリストのジョシュ・デュプランティ氏は、モデルが現実世界向けに調整されるために必要としたロボットデータは、路上で収集されたわずか8分分だったと述べた。ロボットは探索能力を示したが、椅子の脚やごみ箱に時折ぶつかり、現在の性能の限界も表れた。
訓練環境としての世界モデル
General Intuitionは、従来のゲームエンジンに依存するのではなく、フレームごとにシミュレーション環境を生成する世界モデルを開発した。同社によると、この環境は最終製品ではなく、エージェントモデルを訓練するために社内で利用する「ゲームセンター」だという。モデルは、自己と環境、因果関係の間の関係を理解することを目指しており、人間の動作データと反応データを活用している。
それでも、この種のモデルがシミュレーションから実世界へ、しかも大規模に移行できるかどうかは、依然として未解決の問題だ。競合するアプローチの大半は、収集に時間と高いコストがかかる現実世界の膨大なデータを必要とする一方、General Intuitionは、ビデオゲームが拡張可能な近道を提供できると見込んでいる。
資金調達、拡大、想定される用途
資金の大部分は、CoreWeaveとの契約に基づく計算能力の増強と、次期モデルの事前学習への集中に充てられる。また同社は、夏の終わりまでに自社のAPIをより広範に利用可能にするため、資金の一部を割り当てた。
現在、同社の顧客数はゲーム、シミュレーション、ロボット分野で限定的だ。同社が挙げる用途には、工場のフロアのデジタル版でロボットをテストすること、ゲームスタジオ内で人型ロボットに動作させること、四足歩行ロボットを危険な環境の探索に送り込むことなどがある。また、ドローンやその他の機器、運転ゲームでもモデルをテストしており、ゲームコントローラーやキーボードとマウスで操作できるあらゆる機器に対応すると説明している。
同社はさらに、Nerveプラットフォームを立ち上げた。これは、データのラベリングからロボットの遠隔操作などの作業まで、プレイヤーが現在所有している機器を使って収入を得られる労働市場である。デ・フィート氏によると、同社は自動運転車のような最終製品を構築するのではなく、そうした製品の構築を容易にする基盤モデルを提供したいと考えている。また、顧客から新たなデータを収集し、継続的な開発サイクルに組み込むことも目指している。
General Intuitionは自社技術の利用に制限を設けている。デ・フィート氏は、同社のエージェントを人間に危害を加える目的では使用しないと述べる一方、モデルを捜索・救助任務に利用することは受け入れられるとしている。投資家のヴィノッド・コースラ氏は、ゲームにおける人間の行動データと反応データが、世界モデルに「直感」が現れる鍵となる可能性があると考えているが、こうした能力を現実世界へ大規模に移転できることは、まだ証明されていない。