비디오 게임 클립을 업로드하고 공유하는 플랫폼인 메달(Medal)은 자체적으로 새로운 프론티어 AI 연구소를 설립했습니다. 이 연구소는 메달이 보유한 방대한 게이밍 비디오 데이터를 활용하여, 객체와 개체가 시간과 공간을 통해 어떻게 움직이는지를 이해하는 기초 모델과 AI 에이전트를 훈련하고 구축하고 있으며, 이 기술을 '시공간 추론(spatial-temporal reasoning)'이라고 명명했습니다.
'제너럴 인튜이션(General Intuition)'이라는 이름의 이 스타트업은 메달의 데이터셋이 수만 개에 달하는 게임에서 월간 활성 사용자 1,000만 명으로부터 매년 20억 개의 비디오로 구성되어 있어, 트위치나 유튜브와 같은 경쟁 대안들을 능가하는 우위를 점하고 있다고 보고 있습니다.
메달과 제너럴 인튜이션의 CEO인 핌 드 위테(Pim de Witte)는 테크크런치(TechCrunch)와의 인터뷰에서 "비디오 게임을 할 때, 플레이어는 본질적으로 시청자(플레이어)의 지각을 카메라의 1인칭 시점(first-person view)을 통해 다양한 환경으로 전이시킨다"고 설명했습니다. 그는 클립을 업로드하는 게이머들이 극도로 긍정적이거나 부정적인 사례를 주로 게시하는 경향이 있다고 지적하며, 이는 훈련에 매우 유용한 엣지 케이스(edge cases) 역할을 한다고 언급했습니다. 그는 이 현상을 지적하며, "우리가 실제 훈련 작업에 사용하고 싶은 바로 그 종류의 데이터에 대한 선택적 편향(selection bias)이 발생한다"고 덧붙였습니다.
이러한 '데이터 해자(data moat)'가 작년 말 OpenAI의 주목을 받았는데, 당시 OpenAI는 메달을 5억 달러에 인수하려 시도한 것으로 알려졌습니다. (OpenAI나 제너럴 인튜이션 어느 쪽도 이 보도에 대해 논평하지 않았습니다.)
이 같은 독점적 데이터 우위 덕분에 제너럴 인튜이션은 크슬라 벤처스(Khosla Ventures)와 제너럴 촉매제(General Catalyst)가 주도하고 레인(Raine)이 참여한 투자로부터 무려 펀딩을 유치하는 데 성공했습니다.
이 회사는 인력을 확보하고, 주변화하는 대신, 일반적인 방법론의 실패와 성공을 통해 지식을 추출하고 적용하는 것에 집중하고 있습니다.
이 회사는 근본적인 방법론에 집중하며, 게임과 같은 시뮬레이션 환경에서 인지 패턴을 추출하고 이를 적용하는 것이 핵심이라고 설명합니다.
그들은 AI 모델을 훈련시키는 데 있어서, 과거 데이터에서 단순히 상관관계를 찾는 것만으로는 부족하며, 실제로 모델을 운영하고 시뮬레이션을 통해 피드백을 받고 지식을 반복적으로 개선하는 과정이 필요하다고 역설합니다.
최종적으로 이들은 인간의 인지 과정을 모방하여, 학습과 적응을 통해 가치를 창출하는 것을 목표로 하고 있습니다.
이 회사는 사용자 행동의 변화를 기록하고, 이를 통해 인공지능이 스스로 학습하고 발전할 수 있는 환경을 만드는 것에 집중합니다.
그들은 마치 인간의 뇌와 같이, 입력된 정보에 대해 끊임없이 의문을 제기하고, 패턴을 인식하며, 그 과정에서 새로운 지식을 체계화하는 시스템을 구축하려고 합니다.
결론적으로 이들은 단순한 데이터 처리를 넘어, '행동' 자체를 데이터로 활용하는 것이 중요하다고 강조합니다.
이들은 행동 데이터와 실제 사용자 환경에서 발생하는 맥락적 변화를 추적함으로써, 인간의 의도를 파악하고 미래의 행동을 예측하는 고도화된 AI 솔루션을 제공합니다.