A General Intuition levanta US$ 2,3 bilhões apostando que a tecnologia de videogames pode treinar IA para aplicações no mundo real

Ao entrar no andar de P&D da General Intuition, em Nova York, o cofundador e CEO Pim de Witte apontou imediatamente para um monitor em uma mesa alta. Parecia que alguém estava jogando Fortnite, mas não era uma pessoa.

“Nosso agente está jogando há 100 horas seguidas”, disse Kent Rollins, diretor de produtos da empresa, com um sorriso.

Antes que eu pudesse assimilar completamente a imagem de uma IA navegando por um mundo virtual de jogo, o zumbido eletrônico de um grande robô quadrúpede se aproximou.

“O mesmo cérebro que controla o agente do Fortnite está comandando esse robô”, explicou de Witte. Josh Duplantis, um analista de dados que transmitia ao vivo as imagens da câmera do robô, acrescentou que o robô estava no modo “exploração”.

Usando sua única câmera como único olho, o grande robô, que parecia um inseto, caminhou até mim, deu a volta e seguiu para dentro do escritório. De vez em quando, ele esbarrava nas pernas das cadeiras ou batia em uma lixeira, movendo-se de maneira muito parecida com a de uma criança pequena aprendendo a se orientar no ambiente ao redor. Duplantis observou que foram necessários apenas oito minutos de dados robóticos do mundo real para ajustar o modelo de IA do quadrúpede. Notavelmente, esses dados foram coletados na rua, e não no escritório onde o robô estava operando naquele momento.

A missão central da General Intuition é um modelo agênico capaz de generalizar desde a jogabilidade até a simulação e a incorporação física. Essa capacidade de compreender seu lugar no mundo atraiu investimentos significativos.

Na quinta-feira, a General Intuition anunciou uma captação de US$ 320 milhões com uma avaliação de US$ 2,3 bilhões, confirmando reportagens anteriores do TechCrunch. Isso eleva o total de financiamento divulgado pela startup para US$ 454 milhões, após uma rodada de lançamento de US$ 134 milhões em outubro passado.

A empresa surgiu do empreendimento anterior de de Witte, a Medal, uma plataforma para enviar e compartilhar clipes de videogames. As centenas de milhões de horas de filmagens de jogos forneceram o conjunto de dados inicial para treinar o modelo da General Intuition em raciocínio espaço-temporal — compreender como se mover pelo espaço e pelo tempo.

No entanto, o ingrediente crucial não era o vídeo em si, mas os rótulos de ação incorporados nele: registros de exatamente quais botões um jogador pressionou e quando. De Witte argumenta que a maioria dos concorrentes, que tentam inferir ações apenas a partir do vídeo, está deixando passar um elemento-chave.

“Vemos isso como a próxima etapa do pré-treinamento”, disse de Witte. “Temos um único modelo capaz de responder aos elementos visuais do Fortnite e agir, além de lidar com a dinâmica do mundo real de uma forma que um LLM jamais poderia.”

De Witte então me pediu para testar o modelo de mundo da General Intuition em um laptop. Esse ambiente simulado é gerado quadro a quadro, em vez de ser renderizado por um motor de jogo tradicional. Como costumo fazer ao testar esses modelos, acabei esbarrando diretamente nas paredes. Em outras demonstrações, os agentes poderiam passar por elas, mas este não passou. A partir de milhões de horas de jogo, ele aprendeu que paredes são sólidas, escadas servem para subir e as sombras se alongam conforme o sol se move.

Para a General Intuition, esse modelo de mundo não é o produto final; é o ambiente de treinamento (chamado internamente de “a academia”). A empresa pretende vender o próprio modelo de agente. De Witte argumenta que os dados de ação do jogo ajudam o modelo a distinguir o “eu” do “ambiente”, proporcionando uma compreensão mais rica da causalidade.

Embora a tecnologia da General Intuition pareça impressionante nas demonstrações, ela não é a única participante nesse campo. Além disso, ainda não foi comprovado que seja possível escalar tal modelo para funcionar de maneira confiável no mundo físico. A maioria das abordagens semelhantes requer grandes quantidades de dados do mundo real, cuja coleta é lenta e cara. A estratégia da General Intuition é que os jogos oferecem um atalho escalável.

Os investidores parecem concordar. A última rodada de investimentos foi liderada pela Khosla Ventures, com a participação da General Catalyst, de Jeff Bezos, Eric Schmidt, Nico Rosberg e pesquisadores do Google DeepMind e do MIT.

A maior parte do financiamento será destinada à ampliação da capacidade computacional. A General Intuition firmou parceria com a CoreWeave e planeja se concentrar no pré-treinamento da próxima versão do modelo. Uma parte também será alocada para tornar sua API mais amplamente disponível até o final do verão.

Vinod Khosla, cuja empresa liderou a rodada, citou a visão de de Witte e a posição da empresa em relação aos dados proprietários como fatores-chave.

“Com os LLMs, o raciocínio representou um salto quântico”, disse Khosla em uma entrevista. “Com os modelos mundiais, acredito que o salto seja o surgimento da intuição — uma capacidade semelhante à humana. Os dados de ação e reação dos jogos são fundamentais para o desenvolvimento dessa intuição.”

A visão é a de uma empresa que perdurará por gerações

A General Intuition utiliza dados de trechos de videogames da Medal. Créditos da imagem:Medal.TV

A General Intuition não é a única empresa a reconhecer que os dados de ação humana da Medal são vitais para a construção de modelos de mundo dinâmicos e agentes gerais. Brianna Martin, chefe de gabinete da startup, observou que a empresa surgiu, em parte, depois que a Medal rejeitou uma oferta de aquisição de um grande laboratório. Outras ofertas surgiram desde então.

De Witte e seus cofundadores — Eloi Alonso, Adam Jelley e Vincent Micheli — não têm interesse em ser adquiridos, nem os investidores buscam uma saída antecipada. O volume e a qualidade dos dados proprietários aos quais a General Intuition tem acesso por meio da Medal são os motivos pelos quais Khosla vê isso como uma aposta geracional, e não como um alvo de fusões e aquisições. A empresa pretende se tornar a espinha dorsal para agentes generalizados e modelos de mundo, tanto em simulação quanto na realidade.

“Neste momento, seria apenas uma aquisição de dados, o que não é interessante”, disse Khosla.

Essa aposta também envolve confiar nos valores pessoais de de Witte.

Tendo passado sete anos trabalhando na área humanitária, inclusive com a Médicos Sem Fronteiras, de Witte traçou uma linha ética clara: nenhum agente será usado para causar danos a seres humanos.

“Não queremos alimentar uma corrida armamentista”, disse de Witte. “Se eu anunciasse: ‘Estamos desenvolvendo autonomia letal’, o que você acha que aconteceria em outros países?”

Essa restrição às aplicações militares surge em um momento em que o Vale do Silício está cada vez mais focado na defesa. De Witte se sente à vontade com o uso de seus modelos para busca e resgate, mas acredita que a recente obsessão do Vale do Silício pela defesa “contamina o ecossistema”.

De Witte é holandês, e grande parte de sua equipe é europeia, o que molda a cultura da empresa. Ele contratou Martin em parte por causa de sua demissão pública da Palantir devido ao trabalho da empresa com a Agência de Imigração e Alfândega dos EUA.

“Não entendo por que o Vale do Silício funciona dessa maneira”, disse ele. “Há um motivo para eu não estar lá.”

A ética de De Witte vai além de limitar o que os modelos não farão. Como jogador que ganhou US$ 1,5 milhão criando e hospedando um servidor privado do RuneScape quando era adolescente, ele também se preocupa com as pessoas deixadas para trás pelos avanços da IA.

A General Intuition lançou recentemente o Nerve, um mercado de empregos que permite que gamers ganhem dinheiro usando seu hardware existente. As inscrições começam com o rotulagem de dados e podem avançar para a teleoperação de robôs e outras tarefas. De Witte observou que a base de usuários da Medal é justamente a geração mais vulnerável à substituição impulsionada pela IA, e ele quer que eles tenham uma participação no futuro.

Um volante de dados

De Witte vê a General Intuition como um facilitador de ecossistemas, semelhante à Anthropic ou à OpenAI — um provedor de modelos que permite que outros desenvolvam a partir de sua tecnologia. Atualmente, a startup atende a um pequeno número de clientes nas áreas de jogos, simulação e robótica.

“Não estamos criando uma empresa de carros autônomos”, disse de Witte. “Estamos tornando 10 vezes mais fácil para a próxima pessoa construir um.”

A empresa afirma que, assim que sua API alcançar mais clientes, será possível testar vários casos de uso — como testar um robô em um gêmeo digital de um chão de fábrica, operar um bot semelhante a um humano em um estúdio de jogos ou enviar um quadrúpede para navegar em ambientes perigosos.

Embora um quadrúpede seja a primeira forma física que a General Intuition testou no mundo real, ela também fez experiências com drones e outros dispositivos, incluindo testes do modelo em jogos de corrida.

“Funciona em qualquer coisa que você possa controlar com um controle de videogame, teclado ou mouse”, disse de Witte.

Construir um “flywheel” de dados é um dos principais objetivos.

“Selecionaremos clientes que possam diversificar as concretizações para as quais esse modelo de base generalizado serve como espinha dorsal”, disse de Witte. “Priorizamos clientes que possam fornecer dados do mundo real que promovam o avanço da pesquisa e que tenham equipes internas ágeis para uma parceria profunda e aprendizado mútuo.”

Khosla enfatizou que os dados proprietários da General Intuition são o que a trouxe até aqui, e sua capacidade de continuar coletando dados exclusivos será essencial. Apesar das demonstrações impressionantes, se a transferência da simulação para o mundo real pode ser ampliada permanece uma questão em aberto que ninguém respondeu totalmente ainda.