ゲームデータ約100万時間をライセンス化

大規模言語モデルは大量のテキストで学習されるが、物理環境を理解し移動するよう設計されたAIシステムであるワールドモデルには、別のものが必要だ。視覚と行動を対にしたデータである。こうしたデータは公開インターネット上にほとんど存在せず、ワールドモデルをAIの次のフロンティアと見なすFei-Fei Li氏やYann LeCun氏のような研究者にとってボトルネックとなっている。

Worldmodeldataの解決策は、ビデオゲームのプレイを大量に入手可能な副産物として扱うことだ。LeCun氏が顧問を務める同社は、ゲームスタジオからコントローラー入力とゲームプレイデータをライセンス取得し、キュレーションされた学習データセットに加工することで、研究室が個別交渉する手間を省く仲介業者としての立場を打ち出している。General IntuitionやNianticなど一部企業はすでに自前でビデオゲームデータを収集しているが、Worldmodeldataの売りは集約と整理にある。

この考え方は万能ではない。NvidiaのMing-Yu Liu氏は、ビデオゲームの物理演算はしばしば風変わりで、慎重な物体操作のようなタスクに必要な細かい詳細を欠くと主張し、このデータは超リアルな動画や3D環境の生成により適する可能性を示唆する。General Intuitionに出資するKhosla VenturesのNicole Fraenkel氏は、ビデオゲームこそ最も重要な無秩序さやコーナーケースを提供すると反論する。議論の行方は、ワールドモデルが言語モデルのようにデータセットの規模に応じて実際にスケールするのか、そしてビデオゲームの物理演算が実世界の器用さに十分な精細さを持ち得るのかにかかっている。