Die nächste Evolution der KI lernt von Ihren mangelhaften Spielkünsten
wired ·
Das britische Startup Worldmodeldata versucht, das Problem der Datensparsamkeit für KI-Weltmodelle zu lösen, indem es Eingaben von Videospiel-Controllern als Trainingsmaterial nutzt. Während große Sprachmodelle durch ihre Unfähigkeit eingeschränkt sind, die physische Welt zu navigieren, benötigen Weltmodelle enorme Mengen an visuellen und Handlungsdaten, um Ursache und Wirkung in der Realität zu verstehen. Das Unternehmen argumentiert, dass die Millionen Stunden an Gameplay-Daten, die von Studios verfügbar sind, ein vielfältiges und reichhaltiges Korpus bieten, das auch seltene Extremfälle enthält, die für eine robuste KI-Leistung unerlässlich sind. Dieser Ansatz zielt darauf ab, die Physik der realen Welt durch die unterschiedlichen Erfahrungen in Videospielen nachzubilden, was potenziell zu einem Durchbruch ähnlich dem Aufstieg von GPT führen könnte. Experten wie Ming-Yu Liu von Nvidia bleiben jedoch skeptisch und weisen darauf hin, dass die Physik in Videospielen oft vereinfachte Näherungen darstellt, die für Aufgaben mit feinkörniger Motorik nicht geeignet sind. Kritiker bemängeln, dass Spiele zwar als grobe Simulatoren dienen, aber die detaillierten physikalischen Interaktionen vermissen lassen, die für präzise Manipulationsaufgaben notwendig sind. Folglich ist die Branche gespalten darüber, ob Spieldaten zur primären Grundlage für Weltmodelle werden oder ob spezialisierte Simulations-Engines erforderlich sind.
wired