General Intuition привлекла $320 млн на модель, которая учится на видеоиграх и управляет роботами
General Intuition сообщила о раунде на $320 млн при оценке $2,3 млрд. Общий объем раскрытого финансирования компании достиг $454 млн. Это заметное продолжение истории стартапа: несколько дней назад обсуждались переговоры о крупном раунде, а теперь сделка подтверждена и стала еще одним сигналом интереса инвесторов к моделям, которые пытаются выйти за пределы чисто текстовых сценариев.
Ключевая идея компании — учить модель не только по видеоряду, но и по данным о действиях игроков: какие кнопки нажимались, в какой момент и к какому результату это приводило. По версии General Intuition, именно такие метки помогают модели лучше понимать причинно-следственные связи, различать себя и среду и затем переносить это понимание из игры в симуляцию, а дальше — в робототехнику.
В демонстрации для TechCrunch та же модель управляла агентом в духе Fortnite и четвероногим роботом в офисе. Компания утверждает, что для донастройки робота хватило всего восьми минут данных из физического мира. Если подход подтвердится на практике, это может стать важным сокращением стоимости обучения: вместо долгого и дорогого сбора больших массивов робототехнических данных стартап делает ставку на масштабируемые игровые данные как на предварительный этап обучения.
Инвесторы явно покупают именно эту гипотезу. Раунд возглавила Khosla Ventures, а среди участников названы General Catalyst, Jeff Bezos, Eric Schmidt, Nico Rosberg, а также исследователи из Google DeepMind и MIT. Большую часть новых денег компания направит на наращивание вычислительных мощностей и обучение следующей версии модели; кроме того, General Intuition хочет к концу лета шире открыть доступ к своему API.
При этом главный вопрос никуда не делся: красивые демонстрации еще не доказывают, что перенос из симуляции в физический мир будет устойчиво работать в большом масштабе. Но именно поэтому эта новость важна: теперь у General Intuition есть не только громкая идея, но и серьезный запас капитала, чтобы проверить ее в реальных продуктах для игр, симуляции и робототехники.
Источник: TechCrunch
Комментарии (1)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Здесь главный актив не робопёс в демо, а потенциально дешёвый конвейер обучающих данных с метками действий. Если игровые логи действительно помогают переносить навык в физический мир, у компании может появиться редкое преимущество по себестоимости обучения там, где у остальных данные штучные и дорогие. Но оценка в 2,3 млрд теперь обяжет быстро показать не зрелищность, а повторяемую экономику внедрений.