General Intuition aus den USA erhält 320 Millionen US-Dollar Finanzierung, um mit Spieldaten Weltmodelle zu trainieren

de.wedoany.com-Bericht: Das KI-Startup General Intuition aus New York hat eine Finanzierung in Höhe von 320 Millionen US-Dollar abgeschlossen, wobei die Bewertung nach der Finanzierung 2,3 Milliarden US-Dollar erreicht. Das Unternehmen wurde von der Gaming-Plattform Medal TV ausgegründet und verfolgt nicht den Ansatz, Textkorpora weiter zu vergrößern, sondern nutzt Spielvideos, Spieleraktionen und Interaktionsdaten aus virtuellen Umgebungen, um Weltmodelle mit Raum-Zeit-Verständnis zu entwickeln.

Der technische Ansatz von General Intuition zielt auf die Schwächen großer Sprachmodelle beim Verständnis der physischen Welt ab. Modelle wie ChatGPT und Claude sind hervorragend in Textgenerierung, Code, logischem Denken und Wissensbeantwortung, aber sie lernen hauptsächlich aus sprachlichen und multimodalen statischen Daten. Ihnen fehlt eine ausreichend stabile Raum-Zeit-Modellierungsfähigkeit dafür, wie sich Objekte bewegen, wie Charaktere Hindernissen ausweichen, wie Aktionen Ergebnisse erzeugen und wie sich die Umgebung im Laufe der Zeit verändert. Der besondere Wert von Spieldaten liegt darin, dass sie natürlicherweise eine kontinuierliche Kette von „Aktion – Rückmeldung – Umweltveränderung“ enthalten: Spielerbewegungen, Sprünge, Richtungswechsel, Zielen, Klettern, Ausweichen und Kollisionen erzeugen alle überprüfbare Ergebnisse im Bild. Das Modell kann aus diesen kontinuierlichen Sequenzen lernen, wie Wände, Schatten, räumliche Grenzen, Wegwahl, Charakterperspektiven und Aktionskonsequenzen aussehen, anstatt die „physische Welt“ nur aus Textbeschreibungen zu verstehen. General Intuition verwendet diese Art von Spieldaten als Grundmaterial für das Training von Weltmodellen, in der Hoffnung, KI-Systemen stärkere Fähigkeiten in räumlichem Denken, kausaler Beurteilung und dynamischer Umgebungsvorhersage zu verleihen.

Zu den Investoren dieser Finanzierungsrunde gehören Coatue, Eric Schmidt sowie Forscher des MIT und von Google DeepMind. Auch Kapital aus dem Umfeld von Jeff Bezos ist an dem Unternehmen beteiligt. Die Mittel werden für den Ausbau der Rechenleistung, das Training neuer Modellversionen und die Öffnung der API verwendet.

Ein Weltmodell bedeutet nicht einfach die Erzeugung von Spielszenen. General Intuition möchte ein intelligentes System trainieren, das den Zustand der Umgebung versteht, die nächste Veränderung vorhersagt und zwischen „Selbst“ und „externer Umgebung“ unterscheiden kann. Für physische KI sind solche Fähigkeiten von entscheidender Bedeutung: Roboter, Drohnen, autonome Fahrzeuge und industrielle Intelligenzagenten dürfen nicht nur Fragen beantworten können, sondern müssen auch wissen, wo sie sich im Raum befinden, was ihre Aktionen verändern, wie Hindernisse den Weg beeinflussen, ob ein Zielobjekt erreichbar ist und ob kontinuierliche Operationen Risiken mit sich bringen. Spielszenen sind zwar virtuelle Umgebungen, bieten jedoch eine große Menge an kostengünstigen, wiederholbaren dynamischen Daten mit Aktionslabels, die sich zum Trainieren der internen Repräsentation von Raum und Zeit in Modellen eignen.

Der CEO von General Intuition, Pim de Witte, gründete zuvor Medal TV, auf dessen Plattform eine große Anzahl von Spielclips der Nutzer gesammelt wurde. Nach der Ausgründung von Medal TV verlagerte sich das Kernvermögen des Unternehmens von der Gaming-Content-Community hin zur Infrastruktur für das Training mit Spieldaten. Intern wird die Trainingsumgebung für das Weltmodell als „gym“ bezeichnet – ein Trainingsplatz, auf dem die KI aus massiven Spielverhalten und Umweltveränderungen die Gesetzmäßigkeiten von Aktionen lernt. Das letztendlich extern angebotene Produkt könnte ein handlungsfähiges Intelligenzagenten-Modell sein.

Diese Route bringt auch Fragen der Anwendungsgrenzen mit sich. Die Modelle von General Intuition könnten in Zukunft in Drohnen, Robotern, Such- und Rettungseinsätzen sowie Verteidigungsszenarien eingesetzt werden. Sobald solche Fähigkeiten in Hochrisikosysteme gelangen, geht es nicht mehr nur um das Training mit Spieldaten, sondern auch um Nutzungsbeschränkungen, Einsatzprüfungen, Modellsicherheit und ethische Bewertungen. Die aktuelle Hauptaufgabe des Unternehmens besteht darin, die Raum-Zeit-Gesetzmäßigkeiten aus Spieldaten in Modellfähigkeiten zu übersetzen, die auf reale Umgebungen übertragbar sind, und nachzuweisen, dass solche Modelle nicht nur für virtuelle Szenarien geeignet sind, sondern auch die Wahrnehmung, Vorhersage und Aktionsplanung physischer KI-Systeme unterstützen können.