Game-gegenereerde gegevens kunnen de meest onderschatte bron zijn in AI-training

AI-bedrijven hebben de afgelopen vijf jaar elke tekst, elk beeld en elk stukje openbaar beschikbare gegevens op internet verbruikt. Deze voorraad is eindig en we komen dichter bij het punt waarop er gewoon niet genoeg gegevens over zijn om de voortgang die het afhankelijk van is te ondersteunen.

Er is echter een voor de hand liggende kandidaat die de AI-industrie grotendeels heeft over het hoofd gezien.

Ik bouw gamesystemen voor de kost en de gegevens die elke dag door hen heen stromen, zijn niets zoals de meeste AI-onderzoekers ooit hebben gewerkt. En toch lijkt bijna niemand buiten de gamewereld aandacht te besteden aan het.

Gameplatforms genereren elke dag terabytes aan gedragsgegevens, gestructureerde stromen van real-time beslissingen, economische activiteit en sociale interactie, allemaal binnen omgevingen die zijn gebouwd op consistente fysieke regels.

Bijna geen van deze gegevens is gebruikt voor AI-training. En de bedrijven die het wel hebben gebruikt, van DeepMind tot NVIDIA, hebben enkele van de belangrijkste doorbraken in het veld behaald.

Het dataprobleem van AI

Een onderzoek van Epoch AI voorspelt dat de voorraad openbaar beschikbare, door mensen gegenereerde tekstgegevens volledig zal zijn gebruikt ergens tussen 2026 en 2032. De modellen achter ChatGPT, Gemini en Claude hebben al bijna alles wat het internet te bieden heeft verbruikt.

Synthetische gegevens of tekst die AI genereert om terug te voeren in AI is de werkaround van de industrie. Maar modellen die zijn getraind op hun eigen output degraderen in de loop van de tijd door een gedocumenteerd fenomeen dat onderzoekers model collapse noemen.

Wat ik denk dat het veld nodig heeft, is een rijke, interactieve, multimodale informatie waarin oorzaak en gevolg in real-time plaatsvinden en elke actie een meetbare consequentie heeft. Games produceren precies dit en doen het op een schaal die bijna niets anders kan evenaren.

Gameplatforms duwen elke dag terabytes aan gedragsgegevens door hun systemen heen. Spelersbewegingen, strategische keuzes, reactietijden, economische transacties en sociale interacties stromen allemaal door gestructureerde, getijdstempelde stromen die de meeste AI-onderzoekers nooit hebben aangeraakt.

Een recent academisch artikel over game-gegenereerde gegevens legt een negencategorie-taxonomie van deze informatie uit en stelt dat het overgrote deel ervan nog ongebruikt is door de AI-industrie.

Ik kan dat bevestigen uit mijn eigen ervaring. De hoeveelheid gegevens die elke dag door onze gamesystemen stroomt, zou in elke andere gebied van AI-onderzoek een goudmijn zijn. In games wordt het gewoon gearchiveerd of weggegooid.

Waarom game-gegevens anders zijn

Wanneer je lang genoeg binnen een game-engine bouwt, begin je te realiseren hoeveel gestructureerde gegevens je zit op die niemand in AI heeft gevraagd. Elke sessie produceert gesynchroniseerde fysica, spelersgedrag en systeemniveau-oorzaak en gevolg op een schaal die moeilijk te vinden is elders.

Game-engines dwingen fysica af. Objecten vallen, botsen en breken volgens consistente regels, wat betekent dat de gegevens causale relaties bevatten die zijn ingebakken op systeemniveau in plaats van patronen die een model moet raden uit tekstcorrelaties.

Wanneer een speler een projectiel lanceert, berekent de engine de baan, de luchtweerstand en de impact. De AI leert van een omgeving die fysica rechtstreeks demonstreert door elke interactie, in plaats van een die fysieke wetten behandelt als statistische benaderingen.

Er is ook het multimodale uitlijningsprobleem. In een game vinden visuele gegevens, audiocues, spelersinvoer en omgevingsstatus allemaal tegelijkertijd plaats en worden ze samen gelogd. Dat soort natuurlijke synchronisatie kost een fortuin om te repliceren in echte wereldgegevens, waar onderzoekers meestal elke modaliteit moeten labelen en uitlijnen met de hand.

Games produceren randgevallen op grote schaal, ook, door procedurale inhoudsgeneratie. No Man’s Sky heeft 18 quintillion unieke planeten en voor AI is die variatie enorm omdat randgevallen bepalen of een model betrouwbaar werkt of gevaarlijk faalt.

En dan is er de emergente complexiteit, die misschien de meest waardevolle eigenschap van alle is. Toen OpenAI agenten in een eenvoudig hide-and-seek-spel plaatste, ontwikkelden die agenten zes distincte fasen van geavanceerde strategie helemaal op zichzelf over honderden miljoenen rondes.

Ze bouwden schuilplaatsen van verplaatsbare objecten, gebruikten hellingen om versterkingen te doorbreken en zelfs misbruikten fysica-glitches om dozen over muren te surfen. Niets daarvan was geprogrammeerd. Het kwam allemaal voort uit de concurrentie binnen de game-omgeving, zonder één regel code die ze vertelde het te doen.

Die soort zelf gegenereerde complexiteit is precies wat AI-onderzoek nodig heeft op grote schaal en games zijn de enige omgevingen die het betrouwbaar produceren zonder dure menselijke toezicht.

Van spelborden tot Nobelprijzen

Het duidelijkste bewijs dat game-getrainde AI overdraagbaar is naar de echte wereld is een systeem dat een Nobelprijs won en het is het voorbeeld dat ik steeds weer geef wanneer mensen me vragen waarom ik mijn carrière rond games en AI heb gebouwd.

DeepMind begon met AlphaGo in 2016, bouwde vervolgens AlphaZero, een systeem dat zichzelf schaak, Go en shogi leerde zonder enige menselijke kennis. AlphaZero’s architectuur werd de basis voor AlphaFold, die het 50 jaar oude eiwitvouwprobleem oploste en de Nobelprijs voor Scheikunde 2024 voor zijn makers won.

DeepMind-CEO Demis Hassabis was open over deze pijplijn. Hij vertelde Scientific American dat games nooit het einddoel waren, maar eerder de meest efficiënte manier om AI-technieken te ontwikkelen en te testen voordat hij ze toepaste op echte wetenschappelijke problemen.

Ik herinner me dat ik dat las en voelde alsof iemand precies had geformuleerd wat ik van binnenuit de game-ontwikkeling al jaren zag.

Die trajectorie heeft zich sindsdien herhaald in het hele veld. De versterkingsleeromgevingen die OpenAI eerst standaardiseerde via Gymnasium vormen nu de basis voor onderzoek in robotica, autonome voertuigen en industriële automatisering.

De game-achtige structuur van agent, omgeving, actie en beloning begon als een onderzoeksconvenientie en is sindsdien het standaardframework geworden voor elk AI-systeem dat moet handelen in de fysieke wereld.

Games als de nieuwe simulatielaag

In december 2025 bracht NVIDIA NitroGen uit, een foundation model getraind op 40.000 uur aan gameplay over meer dan 1.000 titels. Het model kijkt naar openbaar beschikbare gameplay-video’s, haalt spelersacties op uit controller-overlays en leert games te spelen rechtstreeks vanuit raw pixels.

Op ongeziene games die het nooit eerder had ontmoet, toonde NitroGen tot 52% verbetering in taakgeslaagdheid ten opzichte van modellen die van scratch waren getraind. Maar de werkelijke betekenis ligt in de architectuur eronder.

NitroGen draait op NVIDIA’s GR00T-roboticsframework, hetzelfde fundament dat het bedrijf gebruikt voor fysieke AI en sim-to-real transfer in zijn Isaac Sim-platform. De game-agent en de fabrieksrobot delen hetzelfde onderliggende systeem.

NVIDIA’s Jim Fan beschreef het project als een poging om “een GPT voor acties” te bouwen, een algemeen doelmodel dat leert te opereren in elke omgeving.

Als iemand die gamesystemen bouwt die precies de gegevens produceren die deze modellen consumeren, vind ik het moeilijk om te overdrijven wat dat betekent voor de industrie waarin ik werk.

En dit is niet beperkt tot NVIDIA. Waymo heeft meer dan 20 miljard gesimuleerde mijlen gereden om zijn autonome voertuigen te trainen, allemaal in game-engine-achtige omgevingen die scenario’s repeteren die te gevaarlijk of te zeldzaam zijn om op echte wegen te testen.

Chirurgische platforms gebouwd op game-engines hebben dramatische verbeteringen getoond in de prestaties van trainees. Stedelijke planners gebruiken soortgelijke tools voor verkeersoptimalisatie op stedelijke schaal.

Chirurgische platforms gebouwd op game-engines hebben dramatische verbeteringen getoond in de prestaties van trainees. Stedelijke planners gebruiken soortgelijke tools voor verkeersoptimalisatie op stedelijke schaal. De game-engine is een universele simulatielaag geworden waar AI moet leren door interactie met zijn omgeving.

De infrastructuur waar niemand over praat

Wanneer mensen over AI-infrastructuur praten, bedoelen ze meestal datacenters, GPU-clusters en compute. In alle jaren dat ik in games heb gewerkt, kan ik op één hand tellen hoe vaak iemand in de AI-ruimte game-omgevingen in dezelfde adem noemt. Die disconnectie gaat heel snel dicht.

Dit zal alleen maar duidelijker worden als traditionele datasets opdrogen. De industrieën die de rijkste interactieve gegevens produceren, zullen onvermijdelijk naar het centrum van AI-onderzoek bewegen en games, simulaties en virtuele werelden zijn beter gepositioneerd dan alles anders om die kloof te vullen.

Het geld volgt deze trend al. De AI in de gamewereld was in 2025 gewaardeerd op 4,54 miljard dollar en zal naar verwachting 81 miljard dollar bereiken in 2035.

De meeste game-studio’s waar ik mee praat, denken nog steeds dat ze entertainmentbedrijven zijn. Maar wanneer uw systemen de exacte gegevens produceren die de volgende generatie AI-modellen nodig heeft om te trainen, bent u in de infrastructuurbranche, of u dat nu van plan was of niet.