ゲームプレイ動画から空間・時間推論モデルを構築する"General Intuition"がSeries Aで評価額$2.3Bで$320Mを調達

General Intuitionは、Khosla Venturesがリードし、General Catalyst、Jeff Bezos、Eric Schmidt、Nico Rosberg、さらにGoogle DeepMindやMITの研究者らも参加したSeries Aで評価額$2.3Bで$320Mを調達しました。これにより、昨年10月のローンチ時に調達した$134Mと合わせ、同社の累計開示済み資金調達額は$454Mとなりました。

ゲームプレイ動画から空間・時間推論モデルを構築するGeneral Intuitionは、ゲームプレイからシミュレーション、そして実世界のロボットへと一般化できるエージェントモデルを実現することを目指しています。

General Intuitionは、31歳の共同創業者兼CEOであるPim de Witteが以前創業したMedalからスピンアウトした企業です。Medalは、ゲーマーがゲームプレイ動画をアップロード・共有できるサービスです。そこに蓄積された数億時間分のゲームプレイ映像が、General Intuitionの空間・時間推論、すなわち空間と時間の中でどのように移動すべきかを理解するモデルの初期学習データとなりました。

しかし、本当に重要だったのはゲーム映像そのものではありませんでした。重要だったのは、その映像に埋め込まれていた行動ラベルです。つまり、プレイヤーがどのタイミングでどのボタンを押したのかという正確な記録です。同社は、多くの競合企業は映像だけから行動を推測しようとしていますが、それでは不十分だと考えています。

「私たちは、これを次世代の事前学習段階だと考えています。私たちは、Fortniteの画面情報に反応して行動できるだけでなく、現実世界のダイナミクスにも対応できる単一モデルを持っています。これはLLMには決してできないことです。」とGeneral Intuitionの共同創業者兼CEOであるde Witteは述べています。

General Intuitionにとって、World Modelが自体が製品ではありません。これは社内で「ジム」と呼ばれる学習環境です。同社が最終的に販売したいのはエージェントモデルそのものであり、ゲームプレイに埋め込まれた行動データによって、モデルが「自分自身」と「環境」を区別できるようになり、因果関係をより深く理解できるようになると説明ています。

この課題に挑戦している企業はGeneral Intuitionだけではありません。さらに、このようなモデルを実世界で大規模に機能させることに成功した企業はまだ存在していません。この種のアプローチでは通常、膨大な実世界データが必要であり、その収集には時間もコストもかかります。General Intuitionは、ゲームプレイデータがそのスケーラブルな近道になると考えています。

今回調達した資金の大半は、計算能力の拡充に充てられます。General IntuitionはCoreWeaveと提携しており、次世代モデルの事前学習に注力する予定です。また、一部の資金は夏の終わりまでにAPIをより広く提供するために活用されます。

「LLMを振り返ると、推論能力が登場した時、それは飛躍的な進歩でした。World Modelにおいて、その飛躍はAIに『直感』が生まれることだと考えています。人間のような直感です。そしてゲーム内で得られる人間の行動データや反応データこそが、その直感を生み出す鍵になります。」と今回のラウンドをリードしたKhosla Venturesの創業者兼Managing DirectorのVinod Khoslaは、de Witteのビジョンと同社独自のデータ資産に魅力を感じたと語っています。

General Intuitionは、Medalのゲームプレイ動画データを活用しています。General Intuitionだけが、Medalの人間行動データが動的なワールドモデルや汎用エージェント構築の重要な要素であることに気づいたわけではありません。同社Chief of StaffのBrianna Martinは、この会社が設立された背景の一つとして、大手AI研究機関からの買収提案をMedalが断ったことを挙げました。その後も複数の買収提案があったそうです。

しかし、de Witteと共同創業者であるEloi Alonso、Adam Jelley、Vincent Micheliは買収されることに興味を持っておらず、投資家も現時点ではExitを求めていません。Khoslaは、Medalを通じて保有する独自データの量と質こそが、General Intuitionを単なるM&A対象ではなく、世代を代表する企業になり得る存在だと確信している理由だと語ります。同社は、シミュレーションと現実世界の両方における汎用エージェントやワールドモデルの中核基盤になれる可能性があるというのです。

de Witteは、General IntuitionをAnthropicやOpenAIのようなエコシステムを支える存在にしたいと考えています。つまり、自社で最終製品を提供するのではなく、他社がその上で製品を構築できる基盤モデル提供企業を目指しています。現在、同社にはゲーム、シミュレーション、ロボティクス分野の顧客が存在します。

「私たちは自動運転車メーカーを作るつもりはありません。私たちは、次に自動運転車企業を作ろうとする人が、その実現を10倍簡単にできるようにしたいのです。」とde Witteは語ります。

同社は、APIをより多くの顧客へ提供できるようになれば、様々なユースケースでモデルの性能を検証できるようになると考えています。例えば、工場のデジタルツイン内でロボットをテストしたり、ゲームスタジオで人間らしいボットを動かしたり、危険な環境で四足歩行ロボットを運用したりすることが挙げられます。

四足歩行ロボットは、General Intuitionが現実世界で試した最初の物理的な実装ですが、ドローンやその他のデバイスでも実験を行っており、自動車運転ゲームでもモデルを検証しています。

「ゲームコントローラーやキーボード・マウスで操作できるものであれば、何でも動作します」とde Witteは語りました。

こうした取り組みの目的の一つが、データフライホイールを構築することです。Khoslaは、General Intuitionがここまで成長できた理由は独自データにあり、今後も他社には収集できないデータを継続的に獲得できるかどうかが極めて重要になると語っています。シミュレーションから実世界への転移が大規模環境でも成立するかどうかは、まだ誰も完全には証明していない未解決の課題だからです。