Latest / 創意每天聽 / 玩遊戲也能訓練AI？電玩數據變身實體AI教練的跨界奇蹟！

Transcript

玩遊戲也能訓練AI？電玩數據變身實體AI教練的跨界奇蹟！ · 創意每天聽

• 0:00
  今天我們來聊一個很有趣的案例，一個英國新創公司 Worldmodeldata。他們做的事情，真的是出乎意料。
• 0:13
  是啊，他們募了八百萬歐元，將電玩遊戲裡的數據，轉化成訓練實體 AI 系統的資料。這聽起來跟你一般認知的 AI 訓練數據來源很不一樣。
• 0:30
  對，這點讓我覺得很詫異。一般公司想到 AI 訓練資料，大概都是去真實世界採集，或是用既有的大量文字圖片。誰會想到去挖電玩遊戲裡的寶藏呢？
• 0:47
  你說得很對。傳統做法要嘛耗費大量人力去現實環境中收集，成本高，效率也低。不然就是利用網路上的公開資料，但這些資料通常沒有針對物理世界的互動做優化。
• 1:06
  所以，他們等於是找到了一個新的數據金礦，而且這個金礦還是現成的、成本相對較低的。這點真的很有意思。
• 1:19
  創辦人兼執行長 Rhea Loucas 提到，現在的 AI 系統需要大量的「互動物理環境數據」才能做預測和推理。但目前沒有這種大規模的綜合資料集。
• 1:37
  她說得很有道理，因為真實世界很複雜，變數太多。但電玩遊戲就不一樣了，那是一個受控的環境。
• 1:48
  沒錯，Rhea Loucas 強調，電玩遊戲提供了一個「安全、受控的環境」，非常適合生成 AI 所需的「動作條件式數據」，而且規模可以達到 AI 訓練所需的要求。
• 2:09
  所以具體來說，他們是怎麼做的呢？原文提到他們直接從遊戲引擎中擷取結構化的訓練數據。
• 2:19
  是的，他們不是簡單地錄製遊戲畫面，而是直接從遊戲引擎層面抓取資料，這表示他們能取得更精確、更豐富的物理數據，比如物體碰撞、運動軌跡等等。
• 2:37
  而且他們還強調「有人類參與其中」（with humans in the loop），這表示在遊戲過程中，人類玩家的互動行為也會被記錄下來，成為訓練 AI 的一部分。
• 2:58
  這個做法解決了 AI 訓練數據的兩個大痛點：數據的「規模」和「多樣性」。電玩遊戲世界龐大，種類繁多，能提供遠超一般物理實驗室的豐富場景。
• 3:15
  如果我是個創業者或企業主管，我會從這個案例學到什麼？我想，首先就是「重新審視既有資產」的概念。
• 3:27
  我同意。很多企業可能有很多閒置的數位內容或數據，它們可能不是為了 AI 而生，但透過創意的轉換，它們就能變成寶貴的資源。
• 3:42
  沒錯，就像 Worldmodeldata 把玩遊戲變成訓練 AI 的數據來源。我們公司裡那些看似沒用的老舊數據，說不定也能找到新的應用價值。
• 4:00
  另一個值得學習的點是「跳脫框架思考」。當大家都在往同一方向找數據時，Worldmodeldata 選擇了一個與眾不同的路徑，反而找到了藍海。
• 4:18
  對於一般上班族來說，這個概念能應用到工作或生活嗎？我覺得當然可以。
• 4:26
  怎麼說呢？
• 4:29
  我想到的是「換個角度看問題」。比如，我負責整理文件，以前覺得那些舊表格只是歸檔的負擔。但如果我像 Worldmodeldata 一樣，思考這些表格的「潛在用途」，會不會找到新的整理方式或自動化機會？
• 4:54
  這很有啟發性。甚至在日常生活中，我們也可以思考「被忽略的資源」。比如，你家裡那些看似雜亂的物品，是不是可以重新分類，甚至組合成新的東西？
• 5:11
  沒錯。Worldmodeldata 的案例提醒我們，創新不一定是要從零開始。很多時候，只是需要用不同的視角去重新連結那些看似不相關的事物。
• 5:29
  尤其他們在 2025 年才創立，這麼快就募到八百萬歐元，而且還有 Iona Star Capital 領投，Meta 前副總裁 Lord Richard Allan 加入董事會。這顯示了這個方向的潛力。
• 5:54
  是啊，這證明了即使是從一個你可能沒想到的地方，也能長出一個充滿價值的商業模式。今天的分享就到這裡，希望大家有所收穫。