近年來，大型語言模型（LLM）如ChatGPT和Claude的崛起，讓人工智慧（AI）的發展備受矚目。然而，根據最新國際報導指出，這些模型在通往「人工通用智慧」（AGI）的道路上，可能存在一個關鍵的短板。一間由亞馬遜創辦人貝佐斯（Jeff Bezos）投資的新創公司，正將目光投向一個意想不到的領域——你的遊戲數據，認為這才是實現AGI的秘密武器。
為什麼現行LLM難以觸及AGI的「物理世界」？
現今的大型語言模型在處理文本方面表現卓越，能生成流暢的文字、回答複雜問題甚至撰寫程式碼。然而，國際科技媒體TechCrunch的報導點出，它們的核心限制在於缺乏對真實世界「物理」運作的深層理解，特別是物體如何在空間與時間中移動和互動。
- 僅限於符號層面：LLM是基於大量文本數據學習語言模式，它們理解的是詞彙、語法和語義的關聯性，而非這些詞彙所代表的具體物理實體及其運作法則。它們可以描述一顆球如何滾動，但並不真正「理解」重力、摩擦力或動量。
- 缺乏具身智慧：人類和動物透過與環境的實際互動來學習物理世界的常識（例如，嬰兒透過抓握、拋擲來學習物體的屬性）。LLM缺乏這種「具身」的經驗，因此難以建立對空間、時間、因果關係的直觀認知。
- 情境感知不足：當場景稍有變化，LLM可能難以做出符合物理邏輯的判斷。例如，它們可能無法準確預測一個物體在不同撞擊角度下的反應，因為這些資訊並非直接存在於其訓練的文本語料庫中。
這種「物理世界」理解的缺失，正是阻礙LLM進化到AGI的關鍵瓶頸之一。
貝佐斯投資的神秘新創，究竟想從遊戲數據中挖掘什麼？
既然大型語言模型在物理世界理解上存在短板，那麼貝佐斯所支持的這家新創公司，為何會將目光轉向看似與AGI核心目標無關的「遊戲數據」呢？
- 遊戲是豐富的模擬環境：現代遊戲，特別是3D遊戲，內建了複雜的物理引擎、空間幾何、物件互動規則和智能代理（AI角色）。這些遊戲世界本質上就是一個高度結構化、可互動的「模擬現實」。
- 隱含的物理法則數據：玩家在遊戲中的每一次操作、每一個物體的移動、每一次碰撞或互動，都產生了大量關於物理法則、空間關係和因果鏈的數據。這些數據雖然不是「文字」，卻是實實在在的「時空互動」紀錄。
- 學習「世界模型」的潛力：這家新創的目標，是從這些海量的遊戲數據中，提取出一種深層的「世界模型」（World Model）。這個模型將能讓AI不僅理解語言，更能理解一個物體在特定環境下，會如何根據物理法則進行移動、變化和反應。
透過分析數十億小時的遊戲行為與世界狀態，AI有望學習到比單純文本更為複雜且實用的物理直覺與常識，為AGI的發展奠定重要基礎。
遊戲數據如何彌補LLM在「時空理解」上的不足？
遊戲數據之所以被視為彌補大型語言模型「時空理解」不足的關鍵，在於其獨特的數據特性與潛在的學習機制。這並非簡單的數據量堆疊，而是數據本質上的差異。
- 動態且具因果關係的數據流：與靜態文本不同，遊戲數據是動態、連續且充滿因果關係的。每次玩家的輸入都會導致遊戲世界中物體的狀態變化，這些變化又會引發新的連鎖反應。AI可以從這些連續的「行動-結果」循環中學習，建立對物理世界運作的直觀理解。
- 豐富的空間資訊：遊戲環境提供了明確的3D（或2D）空間資訊，包括物體的位置、方向、大小、形狀以及它們之間的距離。AI可以透過分析這些數據，學習空間推理、路徑規劃和物體識別，這些都是LLM難以從純文本中獲得的能力。
- 多模態學習的機會：遊戲數據通常結合了視覺（畫面）、操作（輸入）和物理（引擎反饋）等多種模態。這為AI提供了更全面的學習視角，使其能夠將抽象概念與具體的物理現象建立連結，進而發展出更接近人類的跨感官理解能力。
藉由遊戲數據的訓練，AI有機會從「描述世界」進化到「理解世界」，甚至「預測世界」的物理行為，這對AGI的發展至關重要。
從ChatGPT到AGI：這條路還有多遠？
雖然遊戲數據為AGI的發展開闢了一條充滿希望的道路，但我們仍需認清，從目前的ChatGPT等大型語言模型，到真正實現人工通用智慧（AGI），還有相當長的距離。
- AGI的定義與挑戰：AGI指的是具備人類級別智慧，能夠執行任何智力任務的AI。這不僅限於語言或物理理解，還包括抽象思考、創造力、情感理解、道德推理、自我學習和適應新環境的能力。目前的研究僅觸及這些複雜能力的一部分。
- 遊戲數據的局限性：儘管遊戲提供了豐富的物理世界數據，但它畢竟是「模擬」的。遊戲中的物理規則可能與真實世界存在差異，且遊戲無法涵蓋所有真實世界的複雜性和不確定性。AI仍需發展從模擬環境中學習並泛化到真實世界的能力。
- 多領域知識的整合：實現AGI需要整合來自多個領域的知識，包括語言學、認知科學、神經科學、物理學、社會學等。遊戲數據只是其中一塊重要的拼圖，但絕非全部。未來的AGI模型需要能夠無縫地在這些不同知識領域之間切換和應用。
因此，遊戲數據的應用是AGI道路上的一個重要里程碑，但仍需結合其他前沿技術和跨領域研究，才能逐步接近這個宏偉目標。
台灣遊戲產業的機會：數據與人才的潛力
這項關於遊戲數據可能成為AGI關鍵的趨勢，為台灣的遊戲產業帶來了新的視角與潛在機會。台灣在遊戲開發領域擁有深厚的歷史與人才，這或許能成為我們在未來AI發展中獨特的優勢。
- 豐富的遊戲開發經驗與數據：台灣的遊戲開發商在PC、行動和主機遊戲方面累積了數十年的經驗，創造了無數遊戲世界。這些遊戲在營運過程中，也產生了海量的玩家行為數據、遊戲內物理互動數據。這些都是潛在的AGI訓練寶庫。
- 跨領域合作的契機：台灣的遊戲開發人才與AI研究者有機會進行更緊密的跨領域合作。遊戲公司可以思考如何將其遊戲引擎和數據接口標準化，使其更易於AI研究者進行數據提取和模型訓練；AI研究者則能為遊戲產業帶來更先進的模擬與分析工具。
- 培養AI與遊戲兼備的人才：隨著遊戲數據在AI領域的重要性提升，台灣的教育體系可以考慮培養同時具備遊戲設計、開發與AI理論、實踐能力的複合型人才，以應對未來產業的需求。
透過善用本地遊戲產業的優勢，台灣有機會在全球AGI發展的浪潮中，扮演數據供應者或模擬環境開發者的關鍵角色，為台灣的科技發展注入新的動能。
常見問題
什麼是AGI？它和ChatGPT有何不同？
AGI（人工通用智慧）指的是能像人類一樣理解、學習並應用知識解決各種問題的AI。ChatGPT等大型語言模型是「狹義AI」，專精於語言生成與理解，但在物理世界常識、跨領域推理等方面仍有侷限，無法像人類一樣在未知情境下通用學習與應用。
為什麼遊戲數據對AGI很重要？
遊戲數據包含豐富的物理互動、空間移動、因果關係和目標導向行為等資訊。這些數據能幫助AI學習真實世界或模擬世界中的「時空理解」與「物理常識」，彌補現有語言模型在抽象文本之外，對具體物理世界運作法則理解的不足。
除了遊戲數據，實現AGI還需要克服哪些挑戰？
實現AGI除了需要更好的物理世界理解，還需克服多重挑戰，例如：發展更高效且能持續學習的演算法、處理道德與倫理問題、賦予AI自我意識與情感、以及實現真正的跨領域知識整合與適應新環境的能力。遊戲數據是重要的一環，但並非唯一解方。
總體而言，貝佐斯所投資的新創提出的觀點，為AGI的發展開闢了一條令人振奮的新路徑。透過挖掘遊戲數據中的「時空理解」與「物理常識」，我們離打造一個真正能理解並與世界互動的人工通用智慧，又邁進了一大步。
資料來源：TechCrunch