Videogiochi per addestrare AI: la scommessa da 2,3 miliardi di General Intuition

La risposta è più semplice di quanto sembra. Nei videogiochi accadono cose complicate e impreviste ogni secondo. Un agente AI deve prendere decisioni rapide in ambienti che cambiano costantemente, senza istruzioni precise su cosa fare. Esattamente come nella vita reale. General Intuition ha deciso di sfruttare questo dato di fatto: milioni di ore di gameplay contengono pattern decisionali che assomigliano molto a quello che serve per risolvere problemi nel mondo fisico.

I dati di gameplay sono densi di situazioni-reazioni. Un'IA vede qualcosa accadere sullo schermo e impara come reagire. Impara quando correre, quando aspettare, quando improvvisare. È un tipo di insegnamento che i testi da soli non riescono a fornire.

Prendi una semplice premessa: registra come giocano milioni di persone. Ogni movimento, ogni clic, ogni decisione diventa dati. General Intuition sta creando modelli di IA addestrati su questo oceano di azioni reali. L'obiettivo dichiarato è sviluppare agenti che sviluppino qualcosa più simile all'intuizione umana rispetto al puro calcolo matematico.

Il lavoro di training richiede computational power enorme. I 320 milioni raccolti serviranno a scalare l'infrastruttura necessaria per elaborare quei milioni di ore di video e movimento. Non è solo una questione di raccogliere dati, ma di trasformarli in modelli che funzionino quando l'AI si trova di fronte a situazioni mai viste prima.

Qui entra in gioco la scommessa strategica. Se una rete neurale impara dai videogiochi a navigare ambienti complessi, potrebbe poi trasferire quell'apprendimento ad attività nel mondo reale: robotica, pianificazione, problem solving dinamico.

Prima o poi vedrai robot o sistemi autonomi che si comporteranno in modi meno rigidi e più adattivi. Invece di seguire istruzioni programmate passo dopo passo, potranno prendere decisioni situazionali. Questo vale per droni, auto autonome, sistemi di logistica. Se General Intuition riuscirà nel suo intento, non saranno più macchine che seguono algoritmi deterministici, ma agenti che imparano a improvvisare.

Il costo della scommessa non è trascurabile. 320 milioni è un investimento significativo in ricerca e infrastruttura di training. Ma il mercato degli agenti AI autonomi potrebbe valerne molti di più se la strada funziona.