Пока весь мир завороженно смотрит, как очередная версия GPT или Claude учится писать сонеты в стиле Бродского, группа инженеров из General Intuition решила пойти другим путем. Они считают, что ключ к AGI лежит не в терабайтах текста, а в клипах геймеров, которые бегают по картам Fortnite, стреляют в CS:GO и разбивают машины в GTA. И, самое смешное, у них есть веские аргументы.
Стартап, получивший $320 миллионов от инвесторов, включая Джеффа Безоса, строит «мировые модели» на основе данных из видеоигр. Это не просто очередная модная игрушка — это претензия на смену парадигмы.
Почему LLM — это тупик для физического AI
У больших языковых моделей есть фундаментальная проблема: они не понимают физику. Попросите GPT-5 предсказать, что случится с чашкой, если ее столкнуть со стола — модель выдаст правдоподобный текст, но картинки в голове не возникнет. Она не знает, что такое гравитация, трение или инерция, потому что всю жизнь провела в мире слов.
Эксперты из NYU еще детально разобрали эту проблему: LLM проваливаются даже в простых видеоиграх, где нужно понимать пространство и последовательность действий. Они не способны построить внутреннюю модель мира — только имитировать текст.
General Intuition предлагает альтернативу: вместо бесконечного накопления текста — учить ИИ на примерах взаимодействия с физической средой. И лучший полигон для этого — видеоигры.
Игры как симулятор реальности
В каждой видеоигре — будь то шутер, гонки или стратегия — зашиты сложные физические законы: баллистика, динамика жидкостей, разрушаемость объектов. А главное — есть причинно-следственные связи: нажал на курок — пуля полетела, попал — враг упал. Это именно то, чего не хватает LLM.
General Intuition использует данные с платформы Medal TV, где геймеры публикуют миллионы коротких кликов своих игровых сессий. Из этих клипов извлекаются последовательности действий и их последствия — готовый датасет для обучения «мировой модели». Ранее мы писали, как этот подход позволил обучать роботов на Fortnite и реальных данных за 8 минут.
В теории такая модель, натренированная на миллиардах игровых ситуаций, сможет предсказывать, как изменится мир после любого действия — будь то перемещение предмета или нажатие кнопки. Это уже не «болтливая энциклопедия», а зачаток понимания физики.
Мировые модели против токенов
Термин «мировая модель» популяризировал Дэвид Ха, исследователь из DeepMind. Идея в том, что агент должен уметь прогнозировать будущие состояния среды, а не просто выдавать вероятные строки текста. Фреймворк DeepMind для измерения AGI включает как раз такие способности, как рассуждение о пространстве и времени, которые LLM демонстрируют слабо.
General Intuition идет еще дальше: они хотят создать единую модель, которая будет понимать и физические симуляции, и текстовые инструкции. Их «мировые модели» оперируют не токенами, а латентными представлениями состояний мира. Звучит сложно, но на практике это означает, что такой ИИ сможет самостоятельно планировать действия — например, собрать мебель по инструкции, потому что он «видел» тысячи похожих задач в играх.
Реакция сообщества: от надежд до скепсиса
Новость о $320M инвестициях Безоса в General Intuition разделила AI-комьюнити. Одни видят в этом глоток свежего воздуха на фоне засилья LLM, другие — очередной хайп. Статья «Вычислять, а не предсказывать» как раз аргументирует, что математические методы могут победить чисто статистические подходы — и игровые данные здесь попадают в ту же нишу.
Есть и те, кто предлагает радикально иной путь, вроде «машущих крыльями самолетов» — попытки обучать ИИ без заранее заданной архитектуры, на сырых данных. General Intuition, напротив, использует структурированные данные — игровые клипы уже содержат сюжеты с началом, концом и последствиями.
Геймеры, понятно, в восторге: наконец-то их навыки пригодятся не только для побед в турнирах, но и для создания AGI. ИИ в геймдеве уже вызвал бурные споры, но General Intuition предлагает не заменять разработчиков, а использовать игровые данные как ресурс.
Что дальше?
Стартап уже продемонстрировал прототип, который может предсказывать траекторию мяча в простом 3D-симуляторе. К концу 2026 года они обещают модель, способную выполнять простые физические задачи по текстовому описанию — например, «перемести красный кубик на зеленую платформу».
Если их подход сработает, мы станем свидетелями сдвига от «языковых моделей» к «мировым моделям». И возможно, именно игровые данные, а не библиотеки текстов, приведут нас к настоящему AGI. Но пока это только ставка в 320 миллионов долларов.
Лично мне кажется, что идея валидна, но недооценивает сложность реального мира. В играх все послушно следует скриптам, а в жизни — хаос, шум и бесконечные исключения. Однако именно такие смелые эксперименты двигают поле вперед. Будем следить.
