قادة الفكر
قد تكون البيانات التي تولدها الألعاب أكثر الموارد التي يُستهان بقيمتها في تدريب الذكاء الاصطناعي

النقاط الرئيسيةتوفر البيانات المُولَّدة من الألعاب بيئات تدريب منظمة ومتعددة الوسائط تحل مشكلة نقص…
عرض المزيد
- توفر البيانات المُولَّدة من الألعاب بيئات تدريب منظمة ومتعددة الوسائط تحل مشكلة نقص البيانات الوشيكة في الذكاء الاصطناعي.
- حققت أنظمة الذكاء الاصطناعي المُدرَّبة على بيانات الألعاب إنجازات حائزة على جائزة نوبل مثل ألفافولد من خلال هياكل تعليم قابلة للنقل.
- يُظهر نموذج نيتروجين من إنفيديا أن بيانات الألعاب تُدرِّب نماذج أفعال عامة للروبوتات والمحاكاة في العالم الحقيقي.
قضت شركات الذكاء الاصطناعي الخمس سنوات الماضية في استهلاك كل قطعة من النصوص، وكل صورة، وكل قطعة من البيانات المتاحة علنًا على الإنترنت. هذه الإمدادات محدودة، ونحن نقترب من النقطة التي لا توجد فيها بيانات كافية لاستمرار وتيرة التقدم التي اعتمدت عليها.
ومع ذلك، هناك مرشح واضح تم تجاهله من قبل قطاع الذكاء الاصطناعي.
أنا أبني أنظمة ألعاب لكسب عيشي، والبيانات التي تتدفق من خلالها كل يوم هي مثل لا شيء مما يعمل معه معظم باحثي الذكاء الاصطناعي. ومع ذلك، لا يبدو أن أحدًا خارج صناعة الألعاب يولى اهتمامًا لها.
تولد منصات الألعاب تيرابايتات من البيانات السلوكية كل يوم، تيار من القرارات في الوقت الفعلي، والنشاط الاقتصادي، والتفاعل الاجتماعي، كل ذلك داخل بيئات بنيت على قواعد فيزيائية متسقة.
تقريبًا لا توجد بيانات من هذا القبيل تم استخدامها لتدريب الذكاء الاصطناعي. والشركات التي استخدمتها، من ديب مايند إلى إنفيديا (NVDA )، أنتجت بعض الإنجازات الأكثر أهمية في هذا المجال.
مشكلة بيانات الذكاء الاصطناعي
دراسة من إيبوتش آي تتنبأ أن مخزون النصوص البشرية المتاحة علنًا سوف يستنفد بين عامي 2026 و2032. النماذج التي تقف وراء تشات جبت، جيميني، وكلود قد استهلكت بالفعل كل ما تقدمه الإنترنت.
البيانات الاصطناعية أو النص الذي يولده الذكاء الاصطناعي لإعادة تغذيته هو الحل البديل الذي يلجأ إليه قطاع. لكن النماذج التي يتم تدريبها على مخرجاتها تتدهور مع مرور الوقت من خلال ظاهرة وثقها الباحثون تحت اسم انهيار النموذج.
ما أعتقد أن المجال يحتاجه هو معلومات غنية ومتفاعلة ومتعددة الوسائط حيث يحدث السبب والنتيجة في الوقت الفعلي وكل عمل له نتيجة قابلة للقياس. الألعاب تنتج تمامًا ذلك، وتفعل ذلك بمقياس لا شيء آخر يمكن أن يطابق.
منصات الألعاب تُدفع تيرابايتات من البيانات السلوكية من خلال أنظمتها كل يوم. حركات اللاعبين، والخيارات الاستراتيجية، وأوقات الاستجابة، والمعاملات الاقتصادية، والتفاعلات الاجتماعية كلها تتدفق من خلال تيارات منظمة وموسومة بالزمن التي لم يلمسها معظم باحثي الذكاء الاصطناعي.
مقال أكاديمي حديث حول بيانات الألعاب يقدم تصنيفًا من تسع فئات لهذه المعلومات ويجادل بأن الغالبية العظمى منها لا تزال غير مستغلة من قبل قطاع الذكاء الاصطناعي.
يمكنني تأكيد ذلك من خبرتي الخاصة. كمية البيانات التي تتدفق من خلال أنظمتنا للألعاب في أي يوم معين سوف تعتبر كنزًا في أي مجال آخر من مجالات البحث عن الذكاء الاصطناعي. في الألعاب، يتم فقط أرشفتها أو التخلص منها.
لماذا تختلف بيانات الألعاب
عندما تبني داخل محرك ألعاب لفترة طويلة، تبدأ في تحقيق كمية هائلة من البيانات المنظمة التي لا أحد في الذكاء الاصطناعي يطلبها بعد. كل جلسة تنتج فيزياء متزامنة وسلوك لاعبي وسبب ونتيجة على مستوى النظام بكمية يصعب العثور عليها في أي مكان آخر.
محركات الألعاب تفرض الفيزياء. الأجسام تسقط وتتصادم وتكسر وفقًا لقواعد متسقة، مما يعني أن البيانات تحمل علاقات سببية مخبأة على مستوى النظام بدلاً من الأنماط التي يجب على النموذج تخمينها من خلال علاقات النص.
عندما يطلق لاعب قذيفة، يحسب المحرك المسار ومقاومة الرياح والاصطدام. الذكاء الاصطناعي يتعلم من بيئة تظهر الفيزياء بشكل مباشر من خلال كل تفاعل، بدلاً من بيئة تعامل القوانين الفيزيائية كتقريبات إحصائية.
هناك أيضًا مشكلة المواءمة متعددة الوسائط. في اللعبة، البيانات البصرية، والرسائل الصوتية، ومدخلات اللاعبين، وحالة البيئة كلها تحدث في نفس الوقت وتسجل معًا. هذا النوع من التزامن الطبيعي يكلف ثروة لتحديده في مجموعات بيانات العالم الحقيقي، حيث عادةً ما يضطر الباحثون إلى وضع علامات على كل وسيط ومواءمته يدويًا.
الألعاب تنتج حالات حافة بكمية كبيرة أيضًا، من خلال توليد المحتوى الإجرائي. لا مان سكاي تضم 18 كوينتيليون كوكب فريد، وهذا التباين يهم بشكل كبير للذكاء الاصطناعي لأن حالات الحافة تحدد ما إذا كان النموذج يعمل بشكل موثوق أو يفشل بشكل خطير.
ثم هناك تعقيدات النشوء، والتي قد تكون أكثر الخاصية قيمة. عندما وضعت أوبن آي وكلاء في لعبة بسيطة من الغميضة، طور هؤلاء الوكلاء ست مراحل من الاستراتيجية المتطورة بالكامل بمفردهم على مدار مئات الملايين من الجولات.
بنوا ملاجئ من الأجسام القابلة للنقل، واستخدموا منحدرات لاختراق التحصينات، وحتى استغلوا شقوق الفيزياء لركوب الصناديق فوق الجدران. لم يتم برمجة أي من ذلك. كل ذلك نشأ من المنافسة داخل بيئة اللعبة، دون سطر واحد من التعليمات البرمجية التي أخبرتهم بفعله.
ذلك النوع من التعقيد الذاتي التوليدي هو تمامًا ما يحتاجه البحث عن الذكاء الاصطناعي بمقياس كبير، والألعاب هي البيئات الوحيدة التي تنتج ذلك بثبات دون الرقابة البشرية المكلفة.
من لوحات الألعاب إلى جوائز نوبل
أدلة واضحة على أن الذكاء الاصطناعي المدرب على الألعاب يمكن أن ينتقل إلى العالم الحقيقي هو نظام فاز بجائزة نوبل، وهو المثال الذي أعود إليه دائمًا عندما يسألني الناس لماذا بنيت مسيرتي حول الألعاب والذكاء الاصطناعي.
بدأت ديب مايند مع ألفا غو في عام 2016، ثم بنت ألفا زيرو، نظامًا علّم نفسه الشطرنج، والغو، والشوجي دون أي معرفة بشرية. أصبح هيكل ألفا زيرو أساسًا لألفا فولد، الذي حل مشكلة طي البروتين التي استمرت لخمسين عامًا، ومنح مبدعيه جائزة نوبل في الكيمياء لعام 2024.
تحدث الرئيس التنفيذي لشركة ديب مايند، ديميس هاسابيس، بصراحة عن هذا المسار. وقال لـScientific American إن الألعاب لم تكن يومًا الهدف النهائي، بل كانت الطريقة الأكثر كفاءة لتطوير تقنيات الذكاء الاصطناعي واختبارها قبل تطبيقها على مشكلات علمية حقيقية.
تذكرت قراءة ذلك واشعر أن شخصًا ما قد صاغ بالضبط ما كنت أراه من داخل تطوير الألعاب لسنوات.
تكرر هذا المسار في جميع أنحاء المجال. بيئات التعلم بالتعزيز التي وضعت معاييرها أوبن آي لأول مرة من خلال جيمناسيوم أصبحت الآن تدعم البحث في الروبوتات، والمركبات المستقلة، والأتمتة الصناعية.
الهيكل الشبيه بلعبة، والذي يتضمن وكلاء، وبيئات، وأفعال، ومكافآت، بدأ كملاءمة بحثية وأصبح الآن الإطار الافتراضي لأي نظام ذكاء اصطناعي يحتاج إلى التفاعل مع بيئته.
الألعاب كطبقة المحاكاة الجديدة
في ديسمبر 2025، أصدرت إنفيديا نيتروجين، نموذج أساسي مدرب على 40,000 ساعة من لعب الألعاب عبر أكثر من 1,000 لقب. يشاهد النموذج مقاطع فيديو لعب متاحة للجمهور، ويستخرج إجراءات اللاعبين من شاشات التحكم، ويتعلم لعب الألعاب مباشرة من البكسل الخام.
على ألعاب لم يتعرف عليها من قبل، أظهر نيتروجين تحسينًا يصل إلى 52٪ في نجاح المهمة مقارنة بالنماذج المدربة من الصفر. لكن الأهمية الحقيقية تكمن في الهيكل الأساسي.
نيتروجين يعمل على إطار روبوتات إنفيديا GR00T، نفس الأساس الذي تستخدمه الشركة للذكاء الاصطناعي الفيزيائية والتحويل من المحاكاة إلى الواقع في منصة إساك سيم. وكيل اللعبة والروبوت في المصنع يشاركان نفس النظام الأساسي.
وصف جيم فان المشروع بأنه محاولة لبناء “جبت للفعل”، نموذج عام الغرض يتعلم للعمل في أي بيئة.
كشخص يبني أنظمة ألعاب تنتج بالضبط نفس النوع من البيانات التي يستهلكها هذه النماذج، أجد صعوبة في المبالغة في أهمية ما يعنيه ذلك للصناعة التي أعمل فيها.
وهذا ليس محدودًا بإنفيديا. سجّلت وايمو أكثر من 20 مليار ميل محاكى لتدريب مركباتها المستقلة، كل ذلك في بيئات شبيهة بلعبة ألعاب التي تمثل سيناريوهات خطيرة أو نادرة جدًا لدرجة أن لا يمكن اختبارها على الطرق الحقيقية.
أظهرت منصات الجراحة التي بنيت على محركات الألعاب تحسينات كبيرة في أداء المتدربين. يستخدم المخططون الحضريون أدوات مماثلة لتحسين حركة المرور على نطاق المدينة.
أصبحت منصات الجراحة التي بنيت على محركات الألعاب تُظهر تحسينات كبيرة في أداء المتدربين. يستخدم المخططون الحضريون أدوات مماثلة لتحسين حركة المرور على نطاق المدينة. محرك اللعبة أصبح طبقة محاكاة عالمية في كل مكان يحتاج الذكاء الاصطناعي إلى التعلم من خلال التفاعل مع بيئته.
البنية التحتية التي لا يتحدث عنها أحد
عندما يتحدث الناس عن بنية الذكاء الاصطناعي، يعتقدون عادةً مراكز البيانات، وكتلا الجي بي يو، والحوسبة. في كل السنوات التي عملت فيها في الألعاب، يمكنني أن أحسب على يدي عدد المرات التي سمعت فيها شخصًا في مجال الذكاء الاصطناعي يذكر بيئات الألعاب في نفس النفس. هذا الفصل سوف يغلق بسرعة.
هذا سوف يصبح أكثر وضوحًا مع انتهاء مجموعات البيانات التقليدية. الصناعات التي تنتج بيانات تفاعلية غنية سوف تتحرك حتماً نحو مركز البحث عن الذكاء الاصطناعي، والألعاب، والمحاكاة، والعوالم الافتراضية هي في وضع أفضل من أي شيء آخر لسد هذه الفجوة.
الأموال تتبع هذا الاتجاه بالفعل. كانت قيمة الذكاء الاصطناعي في صناعة الألعاب تبلغ 4.54 مليار دولار في عام 2025 ومن المتوقع أن تصل إلى 81 مليار دولار بحلول عام 2035.
معظم استوديوهات الألعاب التي أتحدث معها لا تزال تعتبر نفسها شركات ترفيهية. لكن عندما تنتج أنظمتك البيانات الدقيقة التي يحتاجها الجيل التالي من نماذج الذكاء الاصطناعي للتدريب عليها، فأنت في قطاع البنية التحتية سواء كنت مخططًا لذلك أو لا.












