La prochaine évolution de l'IA apprend à partir de vos compétences de jeu médiocres
wired ·
Une startup britannique nommée Worldmodeldata tente de résoudre le problème de pénurie de données pour les modèles mondiaux d'IA en utilisant les entrées des contrôleurs de jeux vidéo comme matériel d'entraînement. Alors que les grands modèles de langage sont limités par leur incapacité à naviguer dans le monde physique, les modèles mondiaux nécessitent d'immenses quantités de données visuelles et actionnelles pour comprendre la cause et la conséquence dans la réalité. L'entreprise soutient que les millions d'heures de données de jeu disponibles auprès des studios offrent un corpus diversifié et abondant, incluant des cas rares essentiels pour une performance robuste de l'IA. Cette approche vise à reproduire la physique du monde réel grâce aux expériences variées offertes par les jeux vidéo, potentiellement menant à un moment décisif similaire à l'essor de GPT. Cependant, des experts comme Ming-Yu Liu de Nvidia restent sceptiques, notant que la physique des jeux vidéo est souvent une approximation simplifiée, inadaptée aux tâches nécessitant un contrôle moteur fin. Les critiques font valoir que si les jeux servent de simulateurs grossiers, ils manquent des interactions physiques détaillées nécessaires pour des tâches de manipulation précise. Par conséquent, l'industrie reste divisée sur la question de savoir si les données de jeu deviendront la fondation principale des modèles mondiaux ou si des moteurs de simulation spécialisés seront requis.
wired