Spelgenererad data kan vara den mest underskattade resursen i AI-utbildning

AI-företag har under de senaste fem åren konsumerat varje text, varje bild och varje skrap av offentligt tillgänglig data på internet. Den tillgången är ändlig, och vi närmar oss den punkt där det helt enkelt inte finns tillräckligt med data för att upprätthålla den takt av framsteg som det har kommit att bero på.

Det finns dock en uppenbar kandidat som AI-branschen till stor del har förbisett.

Jag bygger spel system för livet, och de data som flödar genom dem varje dag är annorlunda än vad de flesta AI-forskare någonsin har arbetat med. Och ändå verkar nästan ingen utanför spelbranschen att uppmärksamma det.

Spelplattformar genererar terabyte av beteendedata varje dag, strukturerade strömmar av realtidsbeslut, ekonomisk aktivitet och social interaktion, allt inom miljöer som byggs på konsekventa fysiska regler.

Nästan ingen av denna data har använts för AI-utbildning. Och de företag som har använt den, från DeepMind till NVIDIA, har producerat några av de mest betydande genombrotten inom området.

AI:s dataproblem

En studie från Epoch AI projicerar att lager av offentligt tillgänglig, mänskligt genererad textdata kommer att vara helt förbrukat någonstans mellan 2026 och 2032. Modellerna bakom ChatGPT, Gemini och Claude har redan konsumerat i princip allt som internet har att erbjuda.

Syntetisk data eller text som AI genererar för att mata tillbaka till AI är branschens vanliga lösning. Men modeller som tränas på sin egen utdata försämras över tiden genom ett dokumenterat fenomen som forskare kallar modellkollaps.

Vad jag tror att fältet behöver är en rik, interaktiv, multimodal information där orsak och verkan sker i realtid och varje handling har en mätbar konsekvens. Spel producerar exakt detta, och de gör det i en skala som knappast någonting annat kan matcha.

Spelplattformar trycker terabyte av beteendedata genom sina system varje dag. Spelar-rörelser, strategiska val, reaktionstider, ekonomiska transaktioner och sociala interaktioner alla flödar genom strukturerade, tidsstämplade strömmar som de flesta AI-forskare aldrig har rört vid.

En nylig akademisk artikel om spelgenererad data lägger fram en nio-kategoritaxonomi av denna information och hävdar att den överväldigande majoriteten av den förblir helt outnyttjad av AI-branschen.

Jag kan bekräfta det från min egen erfarenhet. Mängden data som flödar genom våra spelsystem varje dag skulle anses vara en guldgruva i något annat område av AI-forskning. I spel arkiveras den eller slängs den.

Varför speldata är annorlunda

När du bygger inom en spelmotor under en längre tid börjar du inse hur mycket strukturerad data du sitter på som ingen inom AI har bett om än. Varje session producerar synkroniserad fysik, spelar-beteende och systemnivå orsak och verkan i en skala som är svår att hitta någon annanstans.

Spelmotorer tvingar fysik. Objekt faller, kolliderar och bryts enligt konsekventa regler, vilket innebär att data bär orsakssamband inbyggda på systemnivå snarare än mönster som en modell måste gissa på från textkorrelationer.

När en spelare skjuter en projektil beräknar motorn banan, luftmotstånd och påverkan. AI lär sig från en miljö som demonstrerar fysik direkt genom varje interaktion, snarare än en som behandlar fysiska lagar som statistiska approximationer.

Det finns också det multimodala justeringsproblemet. I ett spel sker visuell data, ljudsignaler, spelarindata och miljötillstånd samtidigt och loggas tillsammans. Den typen av naturlig synkronisering kostar en förmögenhet att replikera i verkliga världens dataset, där forskare vanligtvis måste märka och justera varje modalitet för hand.

Spel producerar också kanterfall i stor skala genom procedurgenererat innehåll. No Man’s Sky har 18 kvintiljoner unika planeter, och för AI är den variationen enormt viktig eftersom kanterfall avgör om en modell fungerar tillförlitligt eller misslyckas farligt.

Och sedan finns det den emergenta komplexiteten, som kanske är den mest värdefulla egenskapen av alla. När OpenAI placerade agenter i ett enkelt göm-och-sök-spel utvecklade agenter sex distinkta faser av sofistikerad strategi helt på egen hand över hundratals miljoner omgångar.

De byggde skydd av rörliga föremål, använde ramper för att bryta genom befästningar och till och med utnyttjade fysikfel för att surfa lådor över väggar. Ingenting av det var programmerat. Allt uppstod från konkurrens inom spelmiljön, utan en enda rad kod som sa åt dem att göra något av det.

Den typen av självgenererad komplexitet är exakt vad AI-forskning behöver i stor skala, och spel är de enda miljöer som producerar det tillförlitligt utan dyra mänskliga insatser.

Från spelbräden till Nobelpris

Det tydligaste beviset på att speltränad AI överför sig till den verkliga världen är ett system som gick vidare till att vinna ett Nobelpris, och det är exemplet jag alltid återkommer till när människor frågar mig varför jag byggde min karriär kring spel och AI.

DeepMind började med AlphaGo 2016, sedan byggde de AlphaZero, ett system som lärde sig schack, Go och shogi utan någon mänsklig kunskap. AlphaZeros arkitektur blev grunden för AlphaFold, som löste det 50-åriga proteinvecklingsproblemet och vann Nobelpriset i kemi 2024.

DeepMind VD Demis Hassabis har varit öppen om denna pipeline. Han berättade för Scientific American att spel aldrig var det slutliga målet, utan snarare det mest effektiva sättet att utveckla och testa AI-tekniker innan han tillämpade dem på verkliga vetenskapliga problem.

Jag minns att jag läste det och kände att någon hade uttryckt exakt vad jag hade sett från insidan av speltillverkning i åratal.

Den banan har sedan upprepats sig över hela fältet. De förstärkta inlärningsmiljöer som OpenAI först standardiserade genom Gymnasium ligger nu till grund för forskning inom robotik, autonoma fordon och industriell automation.

Spel-lika struktur av agent, miljö, handling och belöning började som en forskningsbekvämlighet och har sedan blivit standardramverket för alla AI-system som behöver agera i den fysiska världen.

Spel som den nya simuleringslagret

I december 2025 släppte NVIDIA NitroGen, en grundmodell tränad på 40 000 timmar av speltid över mer än 1 000 titlar. Modellen tittar på offentligt tillgängliga spelfilmer, extraherar spelarhandlingar från kontrollöverlag och lär sig att spela spel direkt från råa pixlar.

På osedda spel som den aldrig hade stött på visade NitroGen upp till 52% förbättring i uppgiftsframgång jämfört med modeller som tränats från scratch. Men den verkliga betydelsen ligger i arkitekturen under.

NitroGen körs på NVIDIA:s GR00T-robotramverk, samma grund som företaget använder för fysisk AI och sim-till-verklighet-överföring i sin Isaac Sim-plattform. Spelagenten och fabriksroboten delar samma underliggande system.

NVIDIA:s Jim Fan beskrev projektet som ett försök att bygga “en GPT för handlingar”, en allmän modell som lär sig att operera i vilken miljö som helst.

Som någon som bygger spelsystem som genererar exakt den typ av data som dessa modeller konsumerar, har jag svårt att överdriva vad det betyder för den bransch jag arbetar inom.

Och detta är inte begränsat till NVIDIA. Waymo har loggat över 20 miljarder simulerade mil för att träna sina autonoma fordon, allt i spelmotor-liknande miljöer som repetitioner av scener som är för farliga eller för sällsynta för att testas på riktiga vägar.

Kirurgiska plattformar byggda på spelmotorer har visat dramatiska förbättringar i prestationer för utbildade. Stadsplanerare använder liknande verktyg för trafikoptimering i stadsstorlek.

Kirurgiska plattformar byggda på spelmotorer har visat dramatiska förbättringar i prestationer för utbildade. Stadsplanerare använder liknande verktyg för trafikoptimering i stadsstorlek. Spelmotorn har blivit en universell simuleringslager där AI behöver lära sig genom interaktion med sin miljö.

Infrastrukturen som ingen pratar om

När människor diskuterar AI-infrastruktur tenderar de att mena datacenter, GPU-kluster och beräkningar. Under alla de år jag har arbetat inom spel kan jag räkna på ena handen hur många gånger jag har hört någon inom AI-området nämna spelmiljöer i samma andetag. Den kopplingen kommer att stängas mycket snabbt.

Detta kommer att bli ännu tydligare när traditionella dataset blir torra. De industrier som producerar den rikaste interaktiva datan kommer oundvikligen att flytta mot centrum för AI-forskning, och spel, simuleringar och virtuella världar är bättre positionerade än någonting annat för att fylla den luckan.

Pengarna följer redan den trenden. AI i spelbranschen värderades till 4,54 miljarder dollar 2025 och förväntas nå 81 miljarder dollar 2035.

De flesta speltillverkare jag pratar med ser fortfarande på sig själva som underhållningsföretag. Men när dina system genererar exakt den data som nästa generation av AI-modeller behöver för att träna på, är du i infrastrukturbranschen oavsett om du planerade det eller inte.