Worldmodeldata macht aus Videospiel-Eingaben Trainingsdaten für KI-Weltmodelle

Das britische Start-up Worldmodeldata entwickelt ein Geschäftsmodell für Trainingsdaten aus Videospielen. Es verbindet Aufzeichnungen simulierter 3D-Umgebungen mit den Controller-Eingaben, die darin ausgeführt wurden. Nach eigenen Angaben hat das Unternehmen von Spieleentwicklern fast eine Million Stunden Daten lizenziert. Welche Studios oder Spiele daran beteiligt sind, hat es jedoch nicht genannt.

Eine andere Art von Trainingskorpus

Weltmodelle benötigen Beispiele, die Beobachtungen mit Handlungen und deren Folgen verknüpfen. Solche Daten könnten künftig Systeme unterstützen, die sich in Umgebungen orientieren oder physische Geräte steuern. Im Internet gibt es jedoch kein Gegenstück zu den riesigen Textsammlungen, mit denen große Sprachmodelle trainiert werden. Einige Entwickler erfassen deshalb Demonstrationen von Menschen oder Robotern mit Sensoren. Dieser Ansatz liefert allerdings vergleichsweise begrenzte und repetitive Datensätze.

Spiele als Datenlieferkette

Worldmodeldata wird von Yann LeCun beraten und setzt auf die große Menge an Interaktionsdaten, die in Spielen bereits entsteht. Das Start-up will als Vermittler Daten aus mehreren Studios lizenzieren, ordnen und zu Trainingspaketen bündeln. KI-Labore müssten dadurch nicht mit jedem Entwickler eigene Vereinbarungen aushandeln. Auch General Intuition und Niantic sammeln Spieldaten von ihren eigenen Plattformen für die Modellentwicklung.

Geschäftsführerin Rhea Loucas erwartet, dass Spieldaten zunächst eine breite Grundlage für das Training bilden. Anschließend sollen Modelle mit Informationen zu einer bestimmten realen Aufgabe oder Umgebung verfeinert werden. Außerdem möchte das Start-up künftig eine Möglichkeit schaffen, einzelne Spieler zu vergüten. Einen Starttermin oder konkrete Angaben zur Umsetzung gibt es dafür bislang nicht.

Mehr Daten bedeuten nicht automatisch mehr Realismus

Die zentrale Annahme ist noch nicht vollständig geprüft: Größere Sammlungen visueller Daten und Handlungssignale könnten Weltmodelle verbessern, doch Spielumgebungen vereinfachen oder verändern physikalische Abläufe. Eine Controller-Eingabe kann zeigen, dass eine Handlung ein bestimmtes Ergebnis hervorbrachte. Sie erfasst jedoch nicht unbedingt die Kräfte, den Griffdruck oder die präzisen Bewegungen, die eine Maschine in der realen Welt dafür benötigen würde.

Für manche Aufgaben geeignet, für andere begrenzt

Ming-Yu Liu, der bei Nvidia die Entwicklung von Weltmodellen leitet, hält aus Spielen gewonnene Daten für wenig geeignet, wenn feinmotorische Kontrolle erforderlich ist, etwa beim vorsichtigen Manipulieren von Gegenständen. Nvidia verwendet stattdessen eine eigens entwickelte Engine, die reale Physik nachbilden soll. Nach Lius Einschätzung könnten Spieldaten besser zu Modellen passen, die realistische Videos oder 3D-Umgebungen erzeugen. Xiatian Zhu von der University of Surrey beschreibt Spielsimulationen ähnlich: Sie seien zwar physikalisch verankert, aber nur grobe Annäherungen.

KI-generierte redaktionelle Illustration; kein Dokumentarfoto.

Quelle: The Next Evolution of AI Is Learning From Your Dodgy Gaming Skills