Das Startup General Intuition gab bekannt, 320 Millionen Dollar eingesammelt zu haben. Das Geld soll hauptsächlich in eine Sache fließen: Künstliche Intelligenz soll lernen, sich in der realen Welt zu bewegen, indem man sie Videospiele spielen lässt. Das Unternehmen trainiert seine Modelle mit Hunderten Millionen Stunden an Spielaufzeichnungen und ist überzeugt, dass gerade Spieldaten eine Abkürzung sind, um Maschinen etwas beizubringen, das der menschlichen Intuition nahekommt.
Eine Journalistin von TechCrunch beschrieb, wie es direkt in der Entwicklungsetage des New Yorker Firmenbüros aussieht. Auf einem Monitor lief etwas, das an Fortnite erinnerte. Doch das Spiel wurde nicht von einem Menschen gesteuert. "Unser Agent spielt hundert Stunden ohne Unterbrechung", verkündete Produktchef Kent Rollins stolz. Kurz darauf lief ein großer vierbeiniger Roboter vorbei. Laut Mitgründer und Firmenchef Pim de Witte werden sowohl der Roboter als auch der Spielagent von demselben Gehirn angetrieben.
Acht Minuten Daten von der Straße genügten
Der Roboter verhielt sich wie ein Kleinkind, das noch nicht richtig versteht, wo sein Körper endet und die Umgebung beginnt. Er stieß gegen Stühle und einen Abfalleimer, wich einem Besucher aus und bewegte sich weiter den Flur entlang. Dabei orientierte er sich ausschließlich mithilfe einer einzigen Kamera, seinem einzigen Auge.
Datenanalyst Josh Duplantis verriet ein Detail, das zeigt, worauf das Unternehmen abzielt. Für die Feinabstimmung des Modells für diesen vierbeinigen Roboter genügten lediglich acht Minuten realer Daten. Noch interessanter ist, dass diese Daten nicht in dem Büro gesammelt wurden, in dem der Roboter gerade umherlief, sondern draußen auf der Straße. Das Modell konnte Erfahrungen aus einer Umgebung also auf eine völlig andere übertragen.
Es geht nicht um das Bild, sondern darum, was der Spieler gedrückt hat
Das Unternehmen entstand als Ausgründung aus einem anderen Unternehmen von de Witte namens Medal. Dieses ermöglicht es Spielern, Clips aus ihren Spielen aufzunehmen und zu teilen. Gerade die Hunderten Millionen Stunden aufgezeichneten Spielmaterials dienten als erster Datenbestand, anhand dessen das Modell die sogenannte räumlich-zeitliche Orientierung erlernte, also wie man sich durch Raum und Zeit bewegt.
Der entscheidende Rohstoff waren jedoch nicht die Aufnahmen selbst. Es waren die in jedem Clip enthaltenen Aktionsbeschriftungen, also präzise Aufzeichnungen darüber, welche Taste der Spieler zu welchem Zeitpunkt gedrückt hatte. De Witte zufolge versucht die Mehrheit der Konkurrenten lediglich, die Aktionen aus dem Video zu erschließen, und das reiche nicht aus. "Wir betrachten das als die nächste Phase des Modelltrainings", erklärte er. Ein und dasselbe Modell reagiere sowohl auf das Geschehen auf dem Bildschirm in Fortnite als auch auf Vorgänge in der realen Welt, wozu kein Sprachmodell in der Lage wäre.
Weltmodell
De Witte ließ die Journalistin anschließend ein sogenanntes Weltmodell ausprobieren, also eine simulierte Umgebung, die nicht von einer klassischen Spiel-Engine generiert, sondern Bild für Bild erzeugt wird. Bei Tests ähnlicher Simulationen kommt es häufig vor, dass die gesteuerte Figur direkt durch eine Wand hindurchgeht. Hier nicht. Aus all den gespielten Stunden hat das Modell irgendwie gelernt, dass eine Wand eine Wand ist, eine Leiter zum Klettern dient und Schatten länger werden, wenn sich die Sonne weiterbewegt.
Interessant ist, wie das Unternehmen selbst diese Simulation betrachtet. Sie ist kein Produkt, das es verkaufen möchte. Intern wird sie als "Fitnessstudio" bezeichnet, weil sie als Trainingsgelände dient. Das Unternehmen will das Agentenmodell selbst verkaufen. De Witte argumentiert, dass die im Spielgeschehen enthaltenen Aktionsbeschriftungen dem Modell helfen, das "Selbst" von der "Umgebung" zu unterscheiden und dadurch Ursache und Wirkung besser zu verstehen.
So gut die Demo auch wirken mag, General Intuition ist nicht das einzige Unternehmen, das dieses Problem zu lösen versucht. Und eine Sache bleibt ungelöst: Bislang ist es noch niemandem vollständig gelungen, ein solches Modell in großem Maßstab in der physischen Welt einzusetzen. Die meisten ähnlichen Ansätze benötigen enorme Mengen realer Daten, deren Erfassung langsam und teuer ist. Das Unternehmen setzt daher darauf, dass Videospiele einen günstigeren und schnelleren Weg bieten.
Keine Waffen und keine Gewalt
De Witte war drei Jahre lang im humanitären Bereich tätig, unter anderem für Ärzte ohne Grenzen. Entsprechend zog er eine klare Grenze dafür, wo die Technologie des Unternehmens nicht eingesetzt werden darf: keine Agenten, die dazu verwendet werden, Menschen Schaden zuzufügen. "Wir wollen nicht der Teil des Systems sein, der die Spannungen verschärft", sagte er. Zugleich fügte er hinzu, dass er nichts dagegen habe, wenn seine Modelle bei Such- und Rettungseinsätzen verwendet würden. Diese Haltung kommt zu einer Zeit, in der sich das Silicon Valley zunehmend militärischen Aufträgen zuwendet. De Witte ist Niederländer, und ein großer Teil seines Teams stammt aus Europa, was das Unternehmen deutlich prägt.
Der Mitgründer denkt auch an die Menschen, die durch künstliche Intelligenz mit der Zeit ihre Arbeit verlieren werden. In jungen Jahren verdiente er 1,5 Millionen Dollar, indem er einen privaten Server für das Spiel RuneScape aufbaute und betrieb. Das Unternehmen startete kürzlich die Plattform Nerve, eine Art Arbeitsmarktplatz, auf dem Spieler mit ihrer eigenen Ausrüstung Geld verdienen können. Sie beginnen mit der Kennzeichnung von Daten und können nach und nach bis zur Fernsteuerung von Robotern aufsteigen. De Witte wies darauf hin, dass die Nutzer von Medal genau zu jener Generation gehören, die Gefahr läuft, als Erste von künstlicher Intelligenz aus dem Arbeitsmarkt verdrängt zu werden. Er möchte, dass sie an dem beteiligt werden, was als Nächstes kommt.
Sie wollen die Grundlage für andere schaffen
Bislang hat das Unternehmen eine Handvoll Kunden aus den Bereichen Spiele, Simulationen und Robotik. De Witte beschreibt das angestrebte Ziel mit einem Vergleich zu Anthropic oder OpenAI. Er möchte Anbieter eines Modells sein, auf dem andere aufbauen. "Wir werden kein Unternehmen für selbstfahrende Autos aufbauen", sagte er. "Wir werden dafür sorgen, dass der Nächste zehnmal leichter ein Unternehmen für selbstfahrende Autos aufbauen kann."
Der vierbeinige Roboter ist bislang der erste physische Körper, den das Unternehmen in der realen Welt getestet hat. Es hat jedoch bereits Drohnen und weitere Geräte ausprobiert, darunter auch Tests des Modells in Rennspielen. "Es funktioniert mit allem, was man mit einem Gamepad oder mit Tastatur und Maus steuert", bemerkte de Witte. Ziel ist es, ein Daten-Schwungrad in Gang zu setzen, also nach und nach Kunden zu gewinnen, die dem Unternehmen interessante Daten aus der realen Welt liefern, welche wiederum die Forschung voranbringen.
