General Intuition-მა $220 მლნ მოიზიდა — თამაშის მონაცემები $6,2 მლრდ-ად ფასობს

Coalition Capital-ის 29 სექტემბრის განცხადებაში მითითებულია, რომ General Intuition-მა $220 მლნ მოიზიდა $6,2 მლრდ შეფასებით; ინვესტორთა შორის არიან Valor Equity Partners, Atreides, 776, Point72, Khosla Ventures და General Catalyst. ეს მთელი კომპანიის შეფასებაა: Medal-ის ვიდეოარქივს ცალკე ფასი არ მინიჭებია. გარიგების მთავარი საინვესტიციო ვარაუდია, რომ სათამაშო ვიდეოსთან დაკავშირებული მოთამაშის მოქმედებები AI-ს გარემოს აღქმასა და მოქმედების შერჩევას ასწავლის.

SiliconANGLE-ის 29 სექტემბრის ცნობით, Medal-ისგან გამოყოფილი General Intuition ტექნოლოგიის კომერციულ ვერსიას რობოტიკის, სიმულაციისა და გართობის სფეროს შეზღუდულ მომხმარებლებთან ცდის, სხვა პარტნიორებისთვის მოლოდინის სია გახსნა, ხოლო მისი კვლევითი მოდელი MIRA მხოლოდ ერთი თამაშის სინთეზურ ვიდეოს ქმნის და კომპანიის სიტყვებით „stepping stone to physical AI“-ია. ახალი კაპიტალი კვლევითი დემონსტრაციიდან პარტნიორებთან გამოყენებაზე გადასვლის პერიოდში მოიზიდა.

რატომ აქვს Medal-ის ჩანაწერებს ღირებულება

Medal მოთამაშეებს თამაშის ეპიზოდების ჩაწერისა და გაზიარების საშუალებას აძლევს. General Intuition-ისთვის ასეთი მასალის შესაძლო ღირებულება მხოლოდ ნანახი კადრები არ არის: ეკრანზე მომხდარ ამბავს შეიძლება დაერთოს ინფორმაცია კლავიატურის, მაუსის ან კონტროლერის მოქმედების შესახებ. მოდელი ამ შემთხვევაში სწავლობს, რა დაინახა მოთამაშემ, რომელი მოქმედება აირჩია და როგორ შეიცვალა გარემო. ჩვეულებრივი ვიდეოდან ამ კავშირის ამოცნობა უფრო რთულია, რადგან კადრი ყოველთვის არ აჩვენებს, რომელმა ბრძანებამ გამოიწვია ცვლილება.

ამ განსხვავებას ეკონომიკური მნიშვნელობა აქვს. მოქმედებასთან დაკავშირებული ჩანაწერები ადამიანების მიერ უკვე შესრულებულ გადაწყვეტილებებს შეიცავს, ამიტომ კომპანიას ყოველი შესაძლო სცენარის თავიდან დადგმა არ სჭირდება. თამაშებში ადამიანები ხშირად აწყდებიან მოულოდნელ დაბრკოლებებს, ცვლიან მიმართულებას, კარგავენ მიზანს და ხელახლა ცდილობენ. ასეთი ეპიზოდები შეიძლება გამოსადეგი იყოს მოდელისთვის, რომელმაც ცვალებად გარემოში რეაქცია უნდა შეარჩიოს. თუმცა ჩანაწერების საერთო მოცულობა სასწავლო ნაკრების ზომას არ უდრის: გამოსადეგ ეპიზოდს მოქმედების ზუსტი დრო, კადრთან შესაბამისობა და გასაგები შედეგი სჭირდება.

ინვესტორებისთვის შესაძლო უპირატესობა მონაცემის წყაროსა და მის ფორმატს შორის კავშირშია. თუ კონკურენტი იმავე ტიპის მოქმედებით მონიშნულ მასალას ძვირად ან ნელა აგროვებს, Medal-თან კავშირი General Intuition-ს სწავლების დაწყებისას ხელსაყრელ მდგომარეობას აძლევს. ეს უპირატესობა სრულფასოვანი ხდება მხოლოდ მაშინ, როცა ჩანაწერების დიდი ნაწილი ტექნიკურად გამოსადეგია და მათი გამოყენებაც ნებადართულია. არქივის სიდიდე თავისთავად ვერ იქცევა კომპანიის შეფასების პირდაპირ საზომად.

MIRA-ს დემონსტრაციიდან ფიზიკურ მოქმედებამდე

General Intuition-ის ტექნიკური ვარაუდი ადამიანისა და გარემოს ურთიერთქმედებას ეყრდნობა: მოთამაშე ხედავს სურათს, ირჩევს ბრძანებას და ახალ მდგომარეობას იღებს; დისტანციურად მართული მანქანაც სენსორებიდან მიღებულ ინფორმაციაზე რეაგირებს. სათამაშო ჩანაწერებმა შეიძლება მოდელს მოქმედებისა და შედეგის ზოგადი კანონზომიერებები ასწავლოს. ამ კავშირის სწავლა ჯერ არ ნიშნავს, რომ იგივე მოდელი ნამდვილ რობოტს უსაფრთხოდ მართავს. ვირტუალურ სამყაროში ფიზიკის წესები პროგრამაშია ჩაწერილი, რეალურ გარემოში კი ხახუნი, განათება, ობიექტის წონა და სენსორის ცდომილება იცვლება.

MIRA-ს შესაძლებლობა ამ გზის კონკრეტულ მონაკვეთს აჩვენებს: სისტემა სათამაშო გარემოს გაგრძელებას ქმნის და მოძრავი ობიექტების ურთიერთქმედებას ასახავს. ასეთი მოდელი გამოსადეგი შეიძლება იყოს სცენარების სიმულირებისთვის, მაგრამ კვლევითი დემონსტრაცია და რობოტზე გამეორებადი შედეგი სხვადასხვა მტკიცებულებაა. გადატანის ხარისხს განსაზღვრავს, როგორ მუშაობს მოდელი მანამდე უნახავ გარემოში, რამდენად სწრაფად სწორდება შეცდომის შემდეგ და რამდენი ფიზიკურ სამყაროში შეგროვებული მონაცემი სჭირდება დამატებით. თუ თითოეულ ახალ ამოცანას ხანგრძლივი რეალური სწავლება დასჭირდება, სათამაშო მონაცემების ეკონომიკური უპირატესობა შემცირდება.

მნიშვნელოვანია თავად ამოცანის შერჩევაც. თამაშში მოძრაობის პროგნოზირება და რობოტისთვის მართვის ბრძანების მიცემა განსხვავებულ შედეგს მოითხოვს: მეორეში შეცდომა ფიზიკურ ობიექტს ეხება. ამიტომ სიმულაციაში დამაჯერებელი ვიდეო შეიძლება კარგი კვლევითი ნაბიჯი იყოს, მაგრამ კომერციული ღირებულება პარტნიორის სამუშაო გარემოში მიღებული შედეგით გამოჩნდება. კომპანიისთვის გადასალახავი ზღვარი სწორედ ამ შედეგებს შორისაა: წინასწარმეტყველება სასარგებლო უნდა გახდეს კონტროლისთვის, ხოლო კონტროლი — საკმარისად საიმედო ყოველდღიური გამოყენებისთვის.

Medal-ის მონაცემებზე უფლება უპირატესობის ნაწილია

Medal-ის 1 ოქტომბერს განახლებულ გლობალურ კონფიდენციალურობის პოლიტიკაში წერია, რომ პლატფორმამ შეიძლება ჩანაწერთან ერთად შეინახოს კლავიატურის, მაუსის ან კონტროლერის მოქმედებები; Medal და General Intuition პლატფორმის გასაუმჯობესებლად განკუთვნილი AI მოდელების სწავლებისას ერთობლივი პასუხისმგებელი მხარეები არიან. პოლიტიკა ასევე აღწერს მონაცემების გაზიარებას კვლევისა და AI განვითარებისთვის, ხოლო მომხმარებელს აპის პარამეტრებში შეუძლია ამ მიზნით დამუშავებაზე უარის თქმა. აშშ-ის რეზიდენტებისთვის ცალკე ვერსია მოქმედებს. ეს პირობები აჩვენებს, რატომ უნდა განვასხვავოთ ჩაწერილი ვიდეოების რაოდენობა იმ მასალისგან, რომელსაც კონკრეტულ სასწავლო პროექტში გამოიყენებენ.

General Intuition-ში გადაცემამდე ამ მიზნისთვის არასაჭირო იდენტიფიკატორები იშლება და, სადაც შესაძლებელია, დამატებითი დაცვა გამოიყენება. მომხმარებლის მიერ კლიპის წაშლა მას Medal-ის საჯარო გარემოდან აშორებს; უკვე შექმნილ კვლევით ნაკრებში მოხვედრილი მასალა განსაზღვრული კვლევითი ციკლისთვის გარკვეული ხნით შეიძლება შენარჩუნდეს. უარის შემდეგ Medal მონაცემს მომავალ კვლევით ნაკრებებში აღარ გამოიყენებს. ამ წესებიდან არ გამომდინარეობს, რომ ყოველი გამოქვეყნებული კლიპი ყველა მომავალი მოდელისთვის თავისუფლად ხელმისაწვდომია.

საინვესტიციო თვალსაზრისით უფლების საკითხი ტექნიკურ შერჩევას ემატება. მასალა შეიძლება კარგად იყოს მონიშნული, მაგრამ კონკრეტული გამოყენების პირობები მას ზღუდავდეს; პირიქითაც, დაშვებული ჩანაწერი შეიძლება ცუდად ერგებოდეს სწავლების ამოცანას. გარდა ამისა, მომხმარებლის არჩევანი დროთა განმავლობაში იცვლება, ხოლო უკვე დამუშავებული მონაცემის შენახვას ცალკე წესი აქვს. ამიტომ მდგრადი უპირატესობა ნიშნავს ხარისხიანი და კანონიერად გამოსაყენებელი ნაკრების მუდმივად შენარჩუნებას.

რა უნდა გამოჩნდეს პარტნიორულ გამოცდებში

კომერციული გამოცდების შედეგი განსაზღვრავს, რამდენად გადაიქცევა მონაცემთა და ტექნოლოგიური უპირატესობა შემოსავლად. რობოტიკის მომხმარებელს სჭირდება ფიზიკურ გარემოში საიმედო მოქმედება, სიმულაციის პარტნიორს — გარემოს დამაჯერებელი პროგნოზი, გართობის სექტორს კი მისთვის გამოსადეგი ინტერაქტიულობა. ეს მოთხოვნები ერთმანეთს სრულად არ ემთხვევა. ერთ სფეროში კარგი დემონსტრაცია სხვა სფეროში გაყიდვის საფუძველი ავტომატურად ვერ გახდება, ამიტომ შეზღუდული ტესტები კომპანიის ფართო ბაზრის ზომას ჯერ ვერ ადგენს.

საჯაროდ აღწერილი პარტნიორული მუშაობა პროდუქტის მიმართ ინტერესს აჩვენებს, მაგრამ გადამხდელი მომხმარებლების რაოდენობას, კონტრაქტების ღირებულებასა და განმეორებად შემოსავალს არ ასახელებს. ამ განსხვავებას შეფასებისთვის მნიშვნელობა აქვს: ფინანსური რაუნდი ინვესტორების მოლოდინს აფიქსირებს, ხოლო ფასიანი კონტრაქტი აჩვენებს, რომ კონკრეტული შედეგი მომხმარებლის ბიუჯეტში ადგილს იკავებს. თუ ტექნოლოგია დამატებით მონაცემებსა და გამოთვლით რესურსს დიდი მოცულობით მოითხოვს, გაყიდვები შეიძლება გაიზარდოს ისე, რომ ეკონომიკური სარგებელი ჯერ მცირე დარჩეს.

შემდეგი არსებითი ცნობები პარტნიორების რეალური გამოყენებიდან უნდა მოვიდეს: რომელი ამოცანა გადაწყდა, რა პირობებში შეინარჩუნა მოდელმა შედეგი და გაგრძელდა თუ არა წვდომა ფასიანი ხელშეკრულებით. სწორედ ასეთი მონაცემები აჩვენებს, გადაიქცევა თუ არა სათამაშო ჩანაწერებზე აგებული ტექნოლოგია პარტნიორებისთვის საიმედო და ფასიან პროდუქტად.

ასევე წაიკითხეთ:

• YouTube ვიდეოს სამ ვერსიას გამოცდის — ჰუკს მონაცემები შეარჩევს
• DataEnclave მოდელს მონაცემებთან უშვებს — გასაღებები ოპერატორს არ რჩება
• Modulate-მა $25 მილიონი მოიზიდა — ხმა უკვე თვეში 10 მილიონ საათს ამუშავებს