Datele generate de jocuri ar putea fi cea mai subevaluată resursă în antrenarea inteligenței artificiale

Companiile de inteligență artificială au petrecut ultimii cinci ani consumând fiecare fragment de text, fiecare imagine și fiecare bucățică de date disponibile public pe internet. Acest aprovizionament este finit, și ne apropiem de punctul în care, pur și simplu, nu va mai exista suficientă date pentru a susține ritmul progresului pe care s-a bazat până acum.

Cu toate acestea, există un candidat evident pe care industria inteligenței artificiale l-a ignorat în mare măsură.

Eu construiesc sisteme de jocuri pentru a trăi, și datele care curg prin ele în fiecare zi sunt diferite de orice altceva cu care au lucrat majoritatea cercetătorilor de inteligență artificială. Și, cu toate acestea, aproape nimeni din afara industriei jocurilor nu pare să acorde atenție.

Platformele de jocuri generează terabytes de date comportamentale în fiecare zi, fluxuri structurate de decizii în timp real, activitate economică și interacțiune socială, toate în medii construite pe baza unor reguli fizice consistente.

Aproape niciuna dintre aceste date nu a fost utilizată pentru antrenarea inteligenței artificiale. Și companiile care au utilizat-o, de la DeepMind la NVIDIA, au produs unele dintre cele mai semnificative descoperiri în domeniu.

Problema de date a inteligenței artificiale

Un studiu realizat de Epoch AI estimează că stocul de date text disponibile public, generate de oameni, va fi epuizat undeva între 2026 și 2032. Modelele din spatele ChatGPT, Gemini și Claude au consumat deja esențial tot ceea ce internetul are de oferit.

Datele sintetice sau textul generate de inteligența artificială pentru a fi reutilizate în inteligența artificială reprezintă soluția de rezervă a industriei. Cu toate acestea, modelele antrenate pe propriile ieșiri se degradează în timp prin un fenomen documentat de către cercetători ca prăbușirea modelului.

Ceea ce cred eu că are nevoie domeniul este o informație bogată, interactivă, multimodală, în care cauza și efectul au loc în timp real și fiecare acțiune are o consecință măsurabilă. Jocurile produc exact acest lucru, și o fac la o scară pe care aproape nimic altceva nu o poate egala.

Platformele de jocuri pun terabytes de date comportamentale prin sistemele lor în fiecare zi. Mișcările jucătorilor, alegerile strategice, timpul de reacție, tranzacțiile economice și interacțiunile sociale toate curg prin fluxuri structurate și marcate temporal, pe care majoritatea cercetătorilor de inteligență artificială nu le-au atins niciodată.

Un articol academic recent despre date generate de jocuri prezintă o taxonomie cu nouă categorii a acestor informații și susține că majoritatea acestor date rămân complet neutilizate de către industria inteligenței artificiale.

Eu pot confirma acest lucru din propria mea experiență. Cantitatea de date care curge prin sistemele noastre de jocuri în orice zi ar fi considerată un aur în orice alt domeniu de cercetare a inteligenței artificiale. În jocuri, pur și simplu, acestea sunt arhivate sau eliminate.

De ce datele din jocuri sunt diferite

Când construiești într-un motor de joc pentru o perioadă lungă de timp, începi să realizezi cât de multe date structurate ai la dispoziție, pe care nimeni din inteligența artificială nu le-a cerut încă. Fiecare sesiune produce fizică sincronizată, comportament al jucătorului și cauzalitate la nivel de sistem, la o scară dificil de găsit în altă parte.

Motoarele de jocuri impun reguli fizice. Obiectele cad, se ciocnesc și se sparg conform unor reguli consistente, ceea ce înseamnă că datele conțin relații cauzale încorporate la nivelul sistemului, mai degrabă decât modele care trebuie să ghicească la aceste relații din corelațiile textuale.

Când un jucător lansează un proiectil, motorul calculează traiectoria, rezistența aerului și impactul. Inteligența artificială învață dintr-un mediu care demonstrează fizica direct prin fiecare interacțiune, mai degrabă decât unul care tratează legile fizice ca aproximări statistice.

Există, de asemenea, problema de aliniere multimodală. Într-un joc, datele vizuale, semnalele audio, intrările jucătorului și starea mediului au loc simultan și sunt înregistrate împreună. Acest tip de sincronizare naturală costă o avere pentru a fi replicat în seturile de date din lumea reală, unde cercetătorii trebuie, de obicei, să eticheteze și să alinieze fiecare modalitate manual.

Jocurile produc cazuri limită la scară, de asemenea, prin generarea de conținut procedural. No Man’s Sky are 18 quintilioni de planete unice, și pentru inteligența artificială, această variație are o importanță enormă, deoarece cazurile limită determină dacă un model funcționează fiabil sau eşuează periculos.

Și apoi există complexitatea emergentă, care ar putea fi cea mai valoroasă proprietate dintre toate. Când OpenAI a plasat agenți într-un joc simplu de ascunse și căutate, acești agenți au dezvoltat şase faze distincte de strategie sofisticată, complet pe cont propriu, după sute de milioane de runde.

Ei au construit adăposturi din obiecte mobile, au folosit rampe pentru a străpunge fortificații și au exploatat chiar și glitch-uri fizice pentru a pluti cutii peste ziduri. Niciuna dintre acestea nu a fost programată. Toate au apărut din competiția din interiorul mediului jocului, fără niciun rând de cod care să le spună să facă asta.

Acest tip de complexitate auto-generată este exact ceea ce cercetarea inteligenței artificiale are nevoie la scară, și jocurile sunt singurele medii care o produc în mod fiabil, fără supraveghere umană costisitoare.

De la table de joc la premii Nobel

Dovada cea mai clară că inteligența artificială antrenată pe jocuri se transferă în lumea reală este un sistem care a câștigat un premiu Nobel, și este exemplul la care mă întorc mereu atunci când oamenii mă întreabă de ce am construit cariera mea în jurul jocurilor și inteligenței artificiale.

DeepMind a început cu AlphaGo în 2016, apoi a construit AlphaZero, un sistem care și-a învățat singur să joace șah, Go și shogi, fără nicio cunoștință umană. Arhitectura AlphaZero a devenit baza pentru AlphaFold, care a rezolvat problema veche de 50 de ani a plierii proteinelor și a câștigat pentru creatorii săi Premiul Nobel pentru Chimie în 2024.

CEO-ul DeepMind, Demis Hassabis, a fost deschis cu privire la acest pipeline. El a spus Scientific American că jocurile nu au fost niciodată scopul final, ci mai degrabă cel mai eficient mod de a dezvolta și testa tehnici de inteligență artificială înainte de a le aplica la probleme științifice reale.

Îmi amintesc că am citit asta și am simțit că cineva a articulat exact ceea ce vedeam eu din interiorul dezvoltării jocurilor de ani de zile.

Această traiectorie s-a repetat de atunci în întreg domeniul. Mediile de învățare prin întărire care OpenAI a standardizat prin Gymnasium stau acum la baza cercetărilor în robotică, vehicule autonome și automatizare industrială.

Structura de joc a agentului, mediului, acțiunii și recompensei a început ca o conveniență de cercetare și a devenit acum cadrul implicit pentru orice sistem de inteligență artificială care trebuie să acționeze în lumea fizică.

Jocurile ca noua straturi de simulare

În decembrie 2025, NVIDIA a lansat NitroGen, un model de bază antrenat pe 40.000 de ore de jocuri din peste 1.000 de titluri. Modelul urmărește videoclipuri de joc disponibile public, extrage acțiuni ale jucătorilor din suprapunerile de control și învață să joace jocuri direct din pixeli brute.

La jocuri neîntâlnite anterior, NitroGen a arătat o îmbunătățire de până la 52% în succesul sarcinii în comparație cu modelele antrenate de la zero. Dar semnificația reală se află în arhitectura de dedesubt.

NitroGen rulează pe cadrul de robotică GR00T al NVIDIA, același fundament pe care compania îl folosește pentru inteligența artificială fizică și transferul simulat-real în platforma sa Isaac Sim. Agentul de joc și robotul de fabrică împărtășesc același sistem de bază.

Jim Fan de la NVIDIA a descris proiectul ca o încercare de a construi “un GPT pentru acțiuni”, un model general-purpose care învață să opereze în orice mediu.

Ca persoană care construiește sisteme de jocuri care generează exact tipul de date pe care aceste modele le consumă, găsesc greu de a supraestima ce înseamnă acest lucru pentru industria în care lucrez.

Și acest lucru nu se limitează la NVIDIA. Waymo a înregistrat peste 20 de miliarde de mile simulate pentru a antrena vehiculele sale autonome, toate în medii asemănătoare jocurilor care repetă scenarii prea periculoase sau prea rare pentru a fi testate pe drumuri reale.

Platformele chirurgicale construite pe motoare de jocuri au arătat îmbunătățiri dramatice în performanța stagiarilor. Urbanistii folosesc unelte similare pentru optimizarea traficului la scară de oraș.

Platformele chirurgicale construite pe motoare de jocuri au arătat îmbunătățiri dramatice în performanța stagiarilor. Urbanistii folosesc unelte similare pentru optimizarea traficului la scară de oraș. Motorul de jocuri a devenit un strat universal de simulare oriunde inteligența artificială trebuie să învețe prin interacțiune cu mediul său.

Infrastructura despre care nimeni nu vorbește

Când oamenii discută despre infrastructura inteligenței artificiale, ei tind să se refere la centre de date, cluster de GPU și calcul. În toți anii în care am lucrat în jocuri, pot număra pe o mână degetele numărul de ori când am auzit pe cineva din spațiul inteligenței artificiale să menționeze medii de jocuri în același context. Această disconecție va fi închisă foarte curând.

Acest lucru va deveni și mai evident pe măsură ce seturile de date tradiționale se epuizează. Industriile care produc cele mai bogate date interactivă vor ajunge inevitabil în centrul cercetărilor de inteligență artificială, iar jocurile, simulările și lumea virtuală sunt mai bine poziționate decât orice altceva pentru a umple această lacună.

Banii urmează deja această tendință. Inteligența artificială în sectorul jocurilor a fost evaluată la 4,54 miliarde de dolari în 2025 și este proiectată să ajungă la 81 de miliarde de dolari până în 2035.

Majoritatea studiourilor de jocuri cu care vorbesc încă se consideră a fi companii de divertisment. Dar atunci când sistemele dvs. generează exact datele de care are nevoie următoarea generație de modele de inteligență artificială pentru a fi antrenate, sunteți în afacerile de infrastructură, indiferent dacă ați plănuit asta sau nu.