General Intuition lève 320 M$ pour former des agents IA via les jeux vidéo
Original : General Intuition’s $2.3B bet that video games can train AI agents for the real world
Pourquoi c'est important
Approche novatrice pour l'entraînement d'agents IA généralistes utilisant des données massives de jeux vidéo, applicable à la robotique et l'automatisation du monde réel.
General Intuition a levé 320 millions de dollars à une valuation de 2,3 milliards de dollars pour développer des agents IA entraînés sur les jeux vidéo. L'entreprise utilise des données de gameplay issues de sa plateforme Medal pour enseigner aux modèles l'apprentissage spatial-temporel applicable aux robots réels.
General Intuition, fondée par le PDG Pim de Witte, 31 ans, a annoncé jeudi une levée de fonds de 320 millions de dollars, portant sa valorisation à 2,3 milliards de dollars. Cela porte le financement total divulgué à 454 millions de dollars depuis son lancement en octobre dernier avec une levée de 134 millions de dollars. L'entreprise développe un modèle d'agent IA capable de généraliser les apprentissages du gameplay aux simulations et à l'application robotique. Lors d'une démonstration, un agent IA a joué à Fortnite pendant 100 heures consécutives, et le même modèle neuronal actionne un robot quadrupède capable de naviguer dans l'espace réel avec seulement huit minutes de données robotiques du monde réel pour l'affinage. General Intuition tire parti de sa société mère Medal, une plateforme permettant aux joueurs de télécharger et partager des clips de jeux vidéo. Les centaines de millions d'heures de gameplay téléchargées fournissent les données initiales pour entraîner le modèle en raisonnement spatial-temporel. De Witte souligne que l'élément clé n'est pas la vidéo de gameplay, mais les étiquettes d'action intégrées : les enregistrements exacts des boutons pressés et du moment. Selon de Witte, la plupart des concurrents tentent de déduire les actions uniquement à partir de la vidéo, ce qu'il considère comme insuffisant. Il affirme que ce modèle unique peut réagir à des informations Fortnite et aussi à des dynamiques du monde réel d'une façon qu'aucun LLM ne pourrait.