ನೈಜ ಪ್ರಪಂಚದ AI ಅನ್ನು ನಿರ್ಮಿಸಲು General Intuition ವಿಡಿಯೋ ಗೇಮ್ಗಳನ್ನು ಹೇಗೆ ಬಳಸುತ್ತಿದೆ
ಭೌತಿಕ ಪ್ರಪಂಚಕ್ಕಾಗಿ ಏಜೆಂಟಿಕ್ ಮಾಡೆಲ್ಗಳನ್ನು (agentic models) ತರಬೇತಿಗೊಳಿಸಲು ಬೃಹತ್ ವಿಡಿಯೋ ಗೇಮ್ ಡೇಟಾ ಸೆಟ್ಗಳನ್ನು ಬಳಸುವ ಮೂಲಕ General Intuition ರೋಬೊಟಿಕ್ಸ್ನಲ್ಲಿ ಒಂದು ದೊಡ್ಡ ಪ್ಯಾರಾಡೈಮ್ ಶಿಫ್ಟ್ಗೆ (paradigm shift) ಪ್ರಯತ್ನಿಸುತ್ತಿದೆ. ಹೊಸದಾಗಿ $320 ಮಿಲಿಯನ್ ಹಣಕಾಸಿನ ನೆರವು (funding round) ಪಡೆದಿರುವ ಈ ಸ್ಟಾರ್ಟ್ಅಪ್, ಗೇಮಿಂಗ್ನಲ್ಲಿ ಕಂಡುಬರುವ "ಆಕ್ಷನ್ ಡೇಟಾ" (action data) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ (AI) ಅಗತ್ಯವಿರುವ ಕೊಂಡಿಯಾಗಿದೆ ಎಂದು ನಂಬಿದೆ.
ಆಕ್ಷನ್ ಲೇಬಲ್ಗಳು ಮತ್ತು ಸ್ಪೇಷಿಯಲ್-ಟೆಂಪೊರಲ್ ರೀಸನಿಂಗ್ನ ಶಕ್ತಿ (Spatial-Temporal Reasoning)
ಅನೇಕ AI ಸಂಶೋಧಕರು ಕೇವಲ ವಿಡಿಯೋ ತುಣುಕುಗಳನ್ನು ವೀಕ್ಷಿಸುವ ಮೂಲಕ ಮಾಡೆಲ್ಗಳನ್ನು ತರಬೇತಿಗೊಳಿಸಲು ಪ್ರಯತ್ನಿಸಿದರೆ, ವಿಡಿಯೋ ಮಾತ್ರ ಸಾಕಾಗುವುದಿಲ್ಲ ಎಂದು General Intuition ನ CEO Pim de Witte ವಾದಿಸುತ್ತಾರೆ. ಬಳಕೆದಾರರು ವಿಡಿಯೋ ಗೇಮ್ ಕ್ಲಿಪ್ಗಳನ್ನು ಹಂಚಿಕೊಳ್ಳುವ 'Medal' ಎಂಬ ಪ್ಲಾಟ್ಫಾರ್ಮ್ನಿಂದ ಪ್ರತ್ಯೇಕ ಡೇಟಾವನ್ನು ಪಡೆಯುವುದು ಈ ಕಂಪನಿಯ ಸ್ಪರ್ಧಾತ್ಮಕ ಶಕ್ತಿಯಾಗಿದೆ.
ಸಾಮಾನ್ಯ ವಿಡಿಯೋಗಳಿಗಿಂತ ಭಿನ್ನವಾಗಿ, ಈ ಕ್ಲಿಪ್ಗಳು ಎಂಬೆಡೆಡ್ "ಆಕ್ಷನ್ ಲೇಬಲ್ಗಳನ್ನು" (action labels) ಹೊಂದಿವೆ—ಅಂದರೆ ಆಟಗಾರ ಯಾವ ಬಟನ್ಗಳನ್ನು ಯಾವಾಗ ಒತ್ತಿದರು ಎಂಬ ನಿಖರವಾದ ದಾಖಲೆಗಳು ಇಲ್ಲಿವೆ. ಇದು ಮಾಡೆಲ್ ಕೇವಲ ಪ್ಯಾಟರ್ನ್ ಗುರುತಿಸುವುದನ್ನು ಮೀರಿ, ಸ್ಪೇಷಿಯಲ್-ಟೆಂಪೊರಲ್ ರೀಸನಿಂಗ್ (spatial-temporal reasoning) ಕಲಿಯಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಒಂದು ನಿರ್ದಿಷ್ಟ ಇನ್ಪುಟ್ (ಒಂದು ಕ್ರಿಯೆ) ಮತ್ತು ಪರಿಸರದಲ್ಲಿ ಉಂಟಾಗುವ ಬದಲಾವಣೆಯ (ಪ್ರತಿಕ್ರಿಯೆ) ನಡುವಿನ ನೇರ ಸಂಬಂಧವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಮೂಲಕ, AI ಕಾರ್ಯ-ಕಾರಣ ಸಂಬಂಧವನ್ನು (causality) ಗ್ರಹಿಸಲು ಪ್ರಾರಂಭಿಸುತ್ತದೆ. ಇದು ಯಾವುದೇ ಸ್ವಾಯತ್ತ ಏಜೆಂಟ್ಗೆ (autonomous agent) ಅಗತ್ಯವಿರುವ ಮೂಲಭೂತ ಅಂಶವಾದ "ಸ್ವತಃ" ಮತ್ತು "ಪರಿಸರ"ದ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸಲು ಮಾಡೆಲ್ಗೆ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.
Fortnite ನಿಂದ ಕ್ವಾಡ್ರುಪೆಡ್ ರೋಬೋಟ್ಗಳವರೆಗೆ (Quadruped Robots)
ಗೇಮ್ಪ್ಲೇ, ಸಿಮ್ಯುಲೇಶನ್ ಮತ್ತು ಭೌತಿಕ ರೂಪಾಂತರ (physical embodiment) ಸೇರಿದಂತೆ ವಿವಿಧ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸಬಲ್ಲ ಏಕೈಕ ಮಾಡೆಲ್ ಅನ್ನು ರಚಿಸುವುದು ಈ ಕಂಪನಿಯ ತಾಂತ್ರಿಕ ಗುರಿಯಾಗಿದೆ. ಇತ್ತೀಚಿನ ಪ್ರದರ್ಶನಗಳಲ್ಲಿ, ಗೇಮ್ಪ್ಲೇ ಮೇಲೆ ತರಬೇತಿ ಪಡೆದ AI ಏಜೆಂಟ್ ಸಂಕೀರ್ಣ ವರ್ಚುವಲ್ ಪರಿಸರಗಳಲ್ಲಿ ಸಂಚರಿಸಲು ಶಕ್ತವಾಯಿತು; ಗೋಡೆಗಳು ಘನ ವಸ್ತುಗಳು ಮತ್ತು ಸೂರ್ಯನ ಚಲನೆಯೊಂದಿಗೆ ನೆರಳುಗಳು ಬದಲಾಗುತ್ತವೆ ಎಂಬ ವಿಷಯವನ್ನು ಅದು ಅರ್ಥಮಾಡಿಕೊಂಡಿತು.
ಮುಖ್ಯವಾಗಿ, ಈ "ಮೆದುಳು"ವನ್ನು ನೇರವಾಗಿ ಹಾರ್ಡ್ವೇರ್ಗೆ ವರ್ಗಾಯಿಸಲಾಗುತ್ತಿದೆ. ಕಂಪನಿಯು ತನ್ನ ಗೇಮಿಂಗ್ ಏಜೆಂಟ್ಗಳಿಗೆ ಶಕ್ತಿ ನೀಡುವ ಅದೇ ಮಾಡೆಲ್ ಅನ್ನು ಬಳಸುವ ಕ್ವಾಡ್ರುಪೆಡಲ್ (ನಾಲ್ಕು ಕಾಲುಗಳ) ರೋಬೋಟ್ ಅನ್ನು ಪ್ರದರ್ಶಿಸಿತು. ಗಮನಾರ್ಹವಾಗಿ, ರೋಬೋಟ್ನ ಸಂಚಲನಕ್ಕಾಗಿ ಮಾಡೆಲ್ ಅನ್ನು ಫೈನ್-ಟ್ಯೂನ್ ಮಾಡಲು, ನಿಜವಾದ ರಸ್ತೆಗಳಲ್ಲಿ ಸಂಗ್ರಹಿಸಿದ ಕೇವಲ ಎಂಟು ನಿಮಿಷಗಳ ನೈಜ ಪ್ರಪಂಚದ ರೋಬೊಟಿಕ್ಸ್ ಡೇಟಾ ಸಾಕಾಯಿತು ಎಂದು ತಂಡವು ತಿಳಿಸಿದೆ. ಇದು ಭೌತಶಾಸ್ತ್ರ ಮತ್ತು ಸ್ಥಳೀಯ ಅರಿವನ್ನು (spatial awareness) ಕಲಿಯುವ ಕಠಿಣ ಕೆಲಸವು ವಿಡಿಯೋ ಗೇಮ್ಗಳ "ಜಿಮ್"ನಲ್ಲಿ ಆಗುತ್ತಿದೆ ಎಂದು ಸೂಚಿಸುತ್ತದೆ, ಇದರಿಂದ ನೈಜ ಪ್ರಪಂಚದಲ್ಲಿ ಇದರ ಬಳಕೆ ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗುತ್ತದೆ.
ಜನರಲ್ ಏಜೆಂಟ್ಗಳ ಮೇಲೆ $2.3 ಬಿಲಿಯನ್ ಬೆಟ್ಟಿಂಗ್
ಈ ಮಹತ್ವಾಕಾಂಕ್ಷೆಯ ಪ್ರಮಾಣವು ಕಂಪನಿಯ ಮೌಲ್ಯಮಾಪನದಲ್ಲಿ (valuation) ಪ್ರತಿಫಲಿಸುತ್ತದೆ. General Intuition ಇತ್ತೀಚೆಗೆ $2.3 ಬಿಲಿಯನ್ ಮೌಲ್ಯಮಾಪನದಲ್ಲಿ $320 ಮಿಲಿಯನ್ ಹಣವನ್ನು ಸಂಗ್ರಹಿಸಿದೆ, ಇದು ಅದರ ಒಟ್ಟು ಬಹಿರಂಗಪಡಿಸಿದ ಹಣಕಾಸಿನ ನೆರವನ್ನು $454 ಮಿಲಿಯನ್ ಗೆ ತಂದಿದೆ. ಈ ಸುತ್ತಿನ ನೇತೃತ್ವವನ್ನು Khosla Ventures ವಹಿಸಿದ್ದು, ಅದರಲ್ಲಿ General Catalyst, Jeff Bezos, Eric Schmidt ಮತ್ತು Google DeepMind ಹಾಗೂ MIT ನ ಸಂಶೋಧಕರು ಗಮನಾರ್ಹವಾಗಿ ಭಾಗವಹಿಸಿದ್ದಾರೆ.
ಈ ಬಂಡವಾಳವನ್ನು ಎರಡು ಪ್ರಾಥಮಿಕ ಗುರಿಗಳಿಗಾಗಿ ಮೀಸಲಿಡಲಾಗಿದೆ: CoreWeave ನೊಂದಿಗೆ ಪಾಲುದಾರಿಕೆಯ ಮೂಲಕ ಕಂಪ್ಯೂಟ್ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೆಚ್ಚಿಸುವುದು ಮತ್ತು ಬೇಸಿಗೆಯ ಅಂತ್ಯದ ವೇಳೆಗೆ ತಮ್ಮ API ಅನ್ನು ಹೆಚ್ಚು ವ್ಯಾಪಕವಾಗಿ ಲಭ್ಯವಾಗುವಂತೆ ಮಾಡುವುದು. ವಿನೋದ್ ಖೋಸ್ಲಾ ಅವರಂತಹ ಹೂಡಿಕೆದಾರರಿಗೆ, ಗುರಿ ಕೇವಲ ಉತ್ತಮ ಆಟೋಮೇಷನ್ ಆಗಿರುವುದಿಲ್ಲ, ಬದಲಾಗಿ "AI ಇಂಟ್ಯೂಯಿಷನ್" (AI intuition) ನ ಉದಯವಾಗಿದೆ—ಅಂದರೆ ಕೇವಲ ಪ್ರೋಗ್ರಾಂ ಮಾಡಲಾದ ಸೂಚನೆಗಳನ್ನು ಅನುಸರಿಸುವ ಬದಲು, ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಮೂಲಕ ಪ್ರಪಂಚದಲ್ಲಿ ಸಂಚರಿಸುವ ಮಾನವನಂತಹ ಸಾಮರ್ಥ್ಯ.
ಪ್ರಮುಖ ಅಂಶಗಳು
- ಆಕ್ಷನ್-ಚಾಲಿತ ತರಬೇತಿ: General Intuition ವಿಡಿಯೋ-ಮಾತ್ರದ ತರಬೇತಿಯ ಮಿತಿಗಳನ್ನು ಮೀರಿ, AI ಗೆ ಕಾರ್ಯ-ಕಾರಣ ಸಂಬಂಧವನ್ನು ಕಲಿಸಲು ಗೇಮಿಂಗ್ ಕ್ಲಿಪ್ಗಳಿಂದ ಬಟನ್-ಪ್ರೆಸ್ "ಆಕ್ಷನ್ ಲೇಬಲ್ಗಳನ್ನು" ಬಳಸುತ್ತದೆ.
- ಸ್ಕೇಲೆಬಲ್ ಸಿಮ್ಯುಲೇಶನ್: ವಿಡಿಯೋ ಗೇಮ್ಗಳನ್ನು "ಜಿಮ್" ಆಗಿ ಬಳಸುವ ಮೂಲಕ, ಕಂಪನಿಯು ನೈಜ ಪ್ರಪಂಚದ ರೋಬೊಟಿಕ್ಸ್ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುವ ಬೃಹತ್ ವೆಚ್ಚವಿಲ್ಲದೆ ಸಂಕೀರ್ಣ ಸ್ಪೇಷಿಯಲ್-ಟೆಂಪೊರಲ್ ರೀಸನಿಂಗ್ ಅನ್ನು ತರಬೇತಿಗೊಳಿಸಬಹುದು.
- ಬೃಹತ್ ಸಾಂಸ್ಥಿಕ ಬೆಂಬಲ: $2.3 ಬಿಲಿಯನ್ ಮೌಲ್ಯಮಾಪನ ಮತ್ತು Jeff Bezos ಹಾಗೂ Eric Schmidt ಅವರಂತಹ ವ್ಯಕ್ತಿಗಳ ಬೆಂಬಲದೊಂದಿಗೆ, ಕಂಪನಿಯು ವರ್ಲ್ಡ್ ಮಾಡೆಲ್ (world model) ಯುಗದಲ್ಲಿ ಒಂದು ಮೂಲಭೂತ ಪಾತ್ರಧಾರಿಯಾಗಿ ತನ್ನನ್ನು ತಾನು ರೂಪಿಸಿಕೊಳ್ಳುತ್ತಿದೆ.