遊戲資料能幫AI突破空間認知瓶頸嗎？

General Intuition的CEO最近丟擲一個犀利觀點：現在的大語言模型（LLM）玩文字遊戲很溜，但一到理解物體在時空中的運動規律就抓瞎——而這恰恰是通向通用人工智慧（AGI）的關鍵能力之一。他們發現，遊戲資料可能比傳統網頁文本更適合訓練這種"空間智慧"。

中國AI圈該關注什麼？

這個思路對國內開發者特別有啟發：現在國內大模型都在卷文本和多模態，但機器人、自動駕駛、工業自動化這些硬核領域，急需AI掌握物理世界的動態規律。遊戲引擎（比如Unity、Unreal）生成的資料自帶精確物理模擬、3D座標和時序因果關係，理論上比靜態圖文更接近真實世界互動。如果這條路走通了，可能為具身智慧（Embodied AI）訓練開啟新思路。

完整報道詳見文末原文連結。

常見問題

為什麼遊戲資料比網際網路文本更適合訓練 AGI?

遊戲資料天然包含 3D 空間座標、物理引擎模擬的運動規律和時序因果關係,而網際網路文本主要是靜態語言描述。理解物體如何在空間中移動、互動是實現通用智慧的關鍵能力,遊戲資料在這方面資訊密度更高。

這種方法面臨哪些挑戰?

主要挑戰可能包括:遊戲場景與真實世界的差異(泛化能力)、不同遊戲引擎資料格式不統一、高質量標註成本,以及如何將遊戲中的虛擬物理規律遷移到真實機器人或自動駕駛系統。原文未披露具體技術方案。

本文基於 TechCrunch 報道, 由 AiDuo123 AI 編輯翻譯改寫。原文連結: https://techcrunch.com/video/why-this-ceo-thinks-video-games-make-better-training-data-than-the-internet/