在人工智能领域，大语言模型（LLM）的崛起无疑是一场技术革命。然而，随着ChatGPT、Claude等模型在文本生成、逻辑推理上展现出惊人的能力，业界的目光正逐渐从单纯的“文本智能”转向更具挑战性的“物理世界智能”。近日，一位科技CEO提出了一个颇具颠覆性的观点：为了实现通用人工智能（AGI），视频游戏数据可能比互联网文本更适合作为训练素材。
这一观点的核心在于指出了当前大语言模型的一个核心短板：对空间和时间维度的理解能力不足。虽然模型能够流畅地书写关于“苹果落地”的诗句，但它们往往缺乏对物体运动轨迹、物理规律以及空间交互的深层直觉。对于AGI而言，理解“事物如何通过空间和时间”是产生泛化智能的必要条件。当模型无法准确预测物体在三维空间中的动态变化时，其智能水平便会被限制在一个“虚拟的文本黑盒”中。
为什么视频游戏数据被视为解决这一问题的关键？答案在于游戏本质上是一个高度复杂且结构化的物理模拟环境。与充斥着噪声、矛盾和无关信息的互联网文本不同，游戏数据提供了一套严谨的物理引擎和因果逻辑。在游戏中，每一个动作都会产生确定的物理反馈，这种高保真的交互数据能够帮助AI模型建立起对世界的“常识”。通过学习数以亿计的游戏场景，AI可以学会如何处理复杂的动态变化，理解重力、摩擦力以及物体碰撞后的后果。
这一趋势背后，是一家名为General Intuition的初创公司正在押注的“赌注”。该公司认为，通过利用海量的游戏数据来训练模型，可以填补当前AI在具身智能领域的空白。具身智能要求AI不仅拥有大脑，还要拥有能够感知和操作物理世界的身体。如果模型没有经过游戏数据的训练，它就无法理解机器人如何抓取一个杯子，或者自动驾驶汽车如何避开障碍物。
从行业影响来看，这标志着AI训练范式的潜在转变。传统的AI训练主要依赖于互联网上现有的文本、图像和视频，而未来，合成数据和模拟环境将成为训练超级智能的重要燃料。这不仅提高了训练效率，还降低了获取真实世界高风险数据的成本。对于游戏开发者而言，他们的作品可能不再仅仅是娱乐产品，而是成为了通往AGI的“虚拟训练场”。
综上所述，从互联网文本转向视频游戏数据，不仅仅是数据源的改变，更是AI从“理解语言”向“理解世界”跨越的关键一步。随着这一理念的深入，我们或许将看到新一代AI模型在物理推理和复杂任务处理上实现质的飞跃。
信息来源：AI News & Artificial Intelligence | TechCrunch，原文链接：https://techcrunch.com/video/why-this-ceo-thinks-video-games-make-better-training-data-than-the-internet/
封面图片来源：Unsplash / 摄影师 Raman Shaunia
