Гра GENERATED-дані можуть бути найбільш недооціненим ресурсом у навчанні AI

Компанії з виробництва AI витратили останні п’ять років на споживання кожного шматка тексту, кожної зображення та кожного шматка публічно доступних даних в інтернеті. Цей запас є кінцевим, і ми наближуємося до точки, в якій просто не вистачає даних, щоб підтримувати темп прогресу, на який вони звикли.

Однак, є очевидний кандидат, якого галузь AI в основному проігнорувала.

Я будую системи ігор для життя, і дані, які протікають через них щодня, є зовсім іншим, ніж те, з чим працювали більшість дослідників AI. І майже ніхто поза ігровою індустрією не звертає на них увагу.

Платформи ігор генерують терабайти поведінкових даних щодня, структуровані потоки реальних рішень, економічної діяльності та соціальної взаємодії, всі всередині середовищ, побудованих на основі постійних фізичних правил.

Практично жодних з цих даних не використовували для навчання AI. І компанії, які використовували їх, від DeepMind до NVIDIA, створили деякі з найбільш значних проривів у галузі.

Проблема даних AI

Дослідження компанії Epoch AI показує, що запас публічно доступних, створених людиною текстових даних буде повністю використаний десь між 2026 і 2032 роками. Моделі, що стоять за ChatGPT, Gemini і Claude, вже спожили практично все, що пропонує інтернет.

Синтетичні дані або текст, який AI генерує для подальшого використання в AI, є тимчасовим вирішенням галузі. Але моделі, навчені на власному виході, погіршуються з часом через явище, яке дослідники називають колапсом моделі.

Що, на мою думку, потрібно галузі, – це багате, інтерактивне, мультимодальне інформаційне середовище, де причина і наслідок відбуваються в реальному часі, і кожна дія має вимірюваний наслідок. Ігри створюють саме це, і роблять це в масштабі, який майже нічого іншого не може порівнятися.

Платформи ігор протикають терабайти поведінкових даних через свої системи щодня. Рухи гравців, стратегічні рішення, час реакції, економічні транзакції та соціальні взаємодії всі протікають через структуровані, позначені часом потоки, з якими більшість дослідників AI ніколи не працювали.

Недавня академічна робота щодо даних, згенерованих іграми, представляє дев’ятикатегорійну таксономію цієї інформації і стверджує, що більша частина її залишається повністю не використаною галуззю AI.

Я можу підтвердити це своїм власним досвідом. Кількість даних, яка протікає через наші ігрові системи будь-якого дня, була б вважана золотим запасом у будь-якій іншій галузі досліджень AI. В іграх їх просто архівують або викидають.

Чому дані ігор відрізняються

Коли ви будуєте всередині ігрового двигуна достатньо довго, ви починаєте розуміти, скільки структурованих даних ви сидите на тому, про яке ніхто в AI не запитував ще.

Двигуни ігор забезпечують фізичні правила. Об’єкти падають, зіштовхуються і ламаються згідно з постійними правилами, що означає, що дані несуть каузальні відносини, закладені на рівні системи, а не закономірності, які модель повинна вгадати з текстових кореляцій.

Коли гравець запускає проєктіль, двигун розраховує траєкторію, опір повітря та вплив. AI вчиться в середовищі, яке демонструє фізику безпосередньо через кожну взаємодію, а не таке, яке розглядає фізичні закони як статистичні наближення.

Є також проблема мультимодальної синхронізації. В іграх візуальні дані, аудіо-сигнали, вхідні дані гравця та стан середовища відбуваються одночасно і реєструються разом. Така природна синхронізація коштує великих коштів для відтворення в реальних наборах даних, де дослідники зазвичай повинні позначати і синхронізувати кожну модальність вручну.

Ігри створюють крайні випадки в масштабі, також через процедурну генерацію контенту. No Man’s Sky має 18 квинтилліонів унікальних планет, і для AI це різноманіття має величезне значення, оскільки крайні випадки визначають, чи працює модель надійно чи небезпечно.

І тоді є виникнення складності, яке може бути найбільш цінним властивістю з усіх. Коли OpenAI помістила агентів у просту гру в хованки, ці агенти розвинули шість різних фаз складної стратегії повністю самостійно за сотні мільйонів раундів.

Вони будували укриття з рухомих об’єктів, використовували рампи для прориву фортифікацій і навіть використовували фізичні глюки, щоб серфінгувати коробками над стінами. Нічого з цього не було запрограмовано. Все це виникло з конкуренції всередині ігрового середовища, без жодної лінії коду, яка б їм сказала зробити це.

Така самозгенерована складність є саме тим, чого галузі AI потребує в масштабі, і ігри – єдине середовище, яке створює це надійно без дорогого людського нагляду.

Від ігрових дощів до Нобелівських премій

Найочевиднішим доказом того, що ігрові дані можуть бути перенесені в реальний світ, є система, яка виграла Нобелівську премію, і це приклад, до якого я завжди повертаюсь, коли люди запитують мене, чому я побудував свою кар’єру навколо ігор і AI.

DeepMind почала з AlphaGo в 2016 році, потім побудувала AlphaZero, систему, яка навчила себе грати в шахи, ґо і сьоґі без жодних людських знань. Архітектура AlphaZero стала основою для AlphaFold, яка вирішила 50-річну проблему складання білків і принесла її творцям Нобелівську премію з хімії 2024 року.

Голова DeepMind Деміс Хассабіс говорив про цю трубу. Він розказав Scientific American, що ігри ніколи не були кінцевою метою, а радше найефективнішим способом розробки та тестування технік AI, перш ніж він застосував їх до реальних наукових проблем.

Я пам’ятаю, як читав це і відчував, що хтось сформулював саме те, що я бачив зсередини розробки ігор протягом років.

Ця траєкторія відтоді повторилася по всій галузі. Навчальні середовища, які OpenAI вперше стандартизувала через Gymnasium, тепер підтримують дослідження в робототехніці, автономних транспортних засобах та промисловій автоматизації.

Граєподібна структура агента, середовища, дії та винагороди почалася як дослідницька зручність і тепер стала стандартною основою для будь-якої системи AI, яка повинна діяти в фізичному світі.

Ігри як новий шар симуляції

У грудні 2025 року NVIDIA випустила NitroGen, фундаментальну модель, навчену на 40 000 годинах ігрового процесу по більш ніж 1000 назв. Модель дивиться на публічно доступні ігрові відео, витягує дії гравців з оверлеїв контролера та вчиться грати в ігри безпосередньо з сирових пікселів.

На невиданих іграх, з якими вона ніколи не зустрічалася, NitroGen показала до 52% покращення успіху завдання порівняно з моделями, навченими з нуля. Але справжнє значення лежить в архітектурі під нею.

NitroGen працює на основі робототехнічної основи NVIDIA GR00T, тієї самої основи, яку компанія використовує для фізичної AI та сим-до-реального переносу в своїй платформі Isaac Sim. Ігровий агент і заводський робот діляться однією й тією ж основою.

Джим Фан з NVIDIA описав цей проєкт як спробу побудувати “GPT для дій”, загальну модель, яка вчиться діяти в будь-якому середовищі.

Як людина, яка будує ігрові системи, які генерують саме ті дані, які ці моделі споживають, я вважаю, що це означає для галузі, в якій я працюю.

І це не обмежується лише NVIDIA. Waymo записала понад 20 мільярдів симульованих миль для навчання своїх автономних транспортних засобів, все в ігрових середовищах, які репетирують сценарії, які є надто небезпечними або надто рідкісними для тестування на реальних дорогах.

Хірургічні платформи, побудовані на ігрових двигунах, показали драматичні покращення результатів навчання. Міські планувальники використовують подібні інструменти для оптимізації руху на рівні міста.

Хірургічні платформи, побудовані на ігрових двигунах, показали драматичні покращення результатів навчання. Міські планувальники використовують подібні інструменти для оптимізації руху на рівні міста. Ігровий двигун став універсальним шаром симуляції, де б AI потребує навчатися через взаємодію зі своїм середовищем.

Інфраструктура, про яку ніхто не говорить

Коли люди обговорюють інфраструктуру AI, вони зазвичай мають на увазі центри даних, кластери GPU та обчислення. За всі роки, які я працював в ігровій індустрії, я можу перелічити на одному пальці кількість разів, коли хтось в галузі AI згадував ігрові середовища в одному диханні. Ця роз’єднаність буде закрита дуже швидко.

Це стане ще очевиднішим, коли традиційні набори даних вичерпаються. Галузі, які створюють найбагатші інтерактивні дані, неминуче перемістяться до центру досліджень AI, а ігри, симуляції та віртуальні світи краще підготовлені, ніж все інше, щоб заповнити цю прогалину.

Гроші вже слідують цій тенденції. AI в ігровому секторі оцінювалася в 4,54 мільярда доларів у 2025 році і, як передбачається, досягає 81 мільярда доларів до 2035 року.

Більшість ігрових студій, з якими я розмовляю, все ще вважають себе розважальними компаніями. Але коли ваші системи генерують саме ті дані, які наступне покоління моделей AI потребує для навчання, ви перебуваєте в інфраструктурній галузі, незалежно від того, чи планували ви це чи ні.