วิเคราะห์และรีวิว: ทำไมซีอีโอคนนี้เชื่อว่าวิดีโอเกมเป็น training data ที่ดีกว่าอินเทอร์เน็ต

> สรุปสั้นๆ ก่อนเข้าเรื่อง: ใจความหลักของคำกล่าวอ้างที่ว่าเกมให้ข้อมูลฝึก AI ที่ดีกว่าอินเทอร์เน็ต — เพราะอะไร และทำไมตอนนี้ถึงเป็นประเด็นที่วงการ AI จับตา

• ข้อมูลจากเน็ตมันนิ่ง แค่ข้อความ/ภาพที่ตายตัว แต่เกมสร้าง “การตัดสินใจแบบมีผลลัพธ์” ให้ AI เห็นเหตุ-ผลจริงแบบ real-time
• เกมคือ sandbox ที่ควบคุมได้ อยากทดสอบ scenario ไหนก็จำลองซ้ำได้ไม่จำกัด ต่างจากข้อมูลเน็ตที่หามาเพิ่มไม่ได้ง่ายๆ
• วงการ AI กำลังขาดข้อมูลคุณภาพ จากเน็ต (ปัญหาที่พูดกันมาสักพัก) เกมเลยกลายเป็นทางเลือกที่ถูกจับตามากขึ้นเรื่อยๆ

CEO ที่ว่าคือ Pim de Witte จาก General Intuition สตาร์ทอัพ AI ที่มี Bezos เป็นหนึ่งใน backer และถูกประเมินมูลค่าไว้ราว 2.3 พันล้านดอลลาร์ บริษัทนี้แยกตัวมาจาก Medal TV แพลตฟอร์มบันทึกคลิปเกม จุดยืนของ de Witte คือ “โมเดลอย่าง ChatGPT หรือ Claude เก่งข้อความจริง แต่ยังอ่อนเรื่องความเข้าใจว่าสิ่งของเคลื่อนไหวใน space และ time ยังไง” — และตรงนั้นเองคือช่องว่างที่ข้อมูลจากเกมเข้ามาเติมได้

ภาพที่จุดประเด็นนี้ขึ้นมา

ภาพนี้สื่อถึงสิ่งที่ de Witte พูดถึงตรงๆ นั่นคือโลกในเกมที่ไม่ใช่แค่ “ภาพสวย” แต่เป็นระบบที่มี physics, กติกา, และผลลัพธ์ที่ตรวจสอบได้ทุกครั้ง

จุดที่น่าสนใจคือการเทียบภาพ: ฝั่งซ้ายอาจเป็น text data บนเน็ตที่ล้นๆ ไม่มีโครงสร้าง ฝั่งขวาคือฉากในเกมที่ AI เดินเข้าไปโต้ตอบ ทดลอง แล้ววัดผลได้ทันที ภาพเดียวแต่เล่าเรื่องความต่างของ “ข้อมูลนิ่ง” กับ “ข้อมูลที่โต้ตอบได้” ได้ครบ

จุดเริ่มที่ทำให้ประเด็นนี้น่าคุยเวลานี้

หลายคนที่คลุกกับ AI ทุกวันคงเคยเจอเคสเดียวกัน: ถามโมเดลเรื่อง spatial reasoning ง่ายๆ เช่น “ถ้าเลี้ยวซ้ายแล้วเดินตรงไปจะเจออะไร” แล้วมันตอบมั่วหรือย้อนแย้งตัวเอง

ปัญหานี้ไม่ใช่เรื่องบังเอิญ โมเดลส่วนใหญ่ฝึกจาก text บนอินเทอร์เน็ตที่เป็นข้อมูลนิ่ง ไม่มี feedback loop ไม่มีใครยืนยันว่าประโยคที่โมเดลอ่านนั้น “ถูกจริง” ในเชิงกายภาพหรือเปล่า

ตรงนี้เองที่ทำให้แนวคิดของ de Witte น่าสนใจ เขามองว่าเกมมีสิ่งที่อินเทอร์เน็ตไม่มี คือ physics engine ที่บังคับกติกาแน่นอน และผลลัพธ์ที่ตรวจสอบซ้ำได้ทุกครั้งที่ AI ลงมือทำ

คำถามที่ตามมาคือ ถ้าข้อมูลจากโลกเกมพาโมเดลไปได้ไกลกว่าจริง วงการ AI training กำลังจะเปลี่ยนทิศทางหรือเปล่า

ไอเดียนี้อยู่ตรงไหนของแผนบริษัท

คำพูดนี้ไม่ใช่แค่มุมมองส่วนตัวของ de Witte แต่ผูกตรงกับ roadmap ของ General Intuition ที่กำลังพัฒนา AI agent และ robotics อยู่จริง เพราะโมเดลที่จะควบคุมหุ่นยนต์หรือ agent ในโลกจริงต้องเข้าใจ physics และลำดับเหตุการณ์ ไม่ใช่แค่เรียบเรียงข้อความเก่ง

ดังนั้นข้อมูลจากเกมเลยกลายเป็นชิ้นส่วนสำคัญในสาย product ไม่ใช่แค่ทดลองเล่นๆ มันคือ training data ที่ป้อนให้โมเดลฝึก decision-making ในสภาพแวดล้อมที่มีกติกาแน่นอน ก่อนจะเอาไปใช้กับ agent ที่ต้องตัดสินใจต่อเนื่องหลายขั้นตอน

การที่ต้นทางของบริษัทมาจาก Medal TV ยิ่งอธิบายท่าทีนี้ได้ชัด — คลิปเกมนับล้านที่ผู้เล่นบันทึกไว้กลายเป็นคลังข้อมูลตั้งต้นที่คู่แข่งไม่มี ถ้าเป้าคือสร้าง AI ที่ต้อง “ลงมือทำ” ไม่ใช่แค่ “ตอบคำถาม” เกมก็เป็นสนามฝึกที่ตรงจุดกว่าอินเทอร์เน็ตจริงๆ นะ

เทียบกับวิธีฝึกโมเดลแบบเดิมที่วงการใช้กันมา

แนวทางเดิมคือ scrape ข้อความจากทั่วอินเทอร์เน็ต ได้ปริมาณมหาศาลก็จริง แต่ส่วนใหญ่เป็น “ความรู้แบบบรรยาย” ไม่ใช่ “การกระทำ” — โมเดลอ่านออกว่าลูกบอลตกยังไง แต่ไม่เคยฝึกจับลูกบอลจริง

ข้อมูลจากเกมต่างออกไป: ทุก action ของผู้เล่นมาพร้อม feedback ทันที (ชน/ไม่ชน, สำเร็จ/ล้มเหลว) ทำให้สัญญาณสะอาดกว่าและตรงกับงาน spatial reasoning โดยตรง ต้นทุนเก็บข้อมูลก็ต่างกันคนละแบบ — ฝั่งอินเทอร์เน็ตคือ crawl แล้วกรอง ฝั่งเกมคือได้จาก log การเล่นที่มีโครงสร้างอยู่แล้ว

เอาไปใช้จริงได้ยังไงในแต่ละสถานการณ์

หลักการคือเอาไปเสริมจุดที่ text-based data ทำได้ไม่ดีนี่แหละ

หุ่นยนต์เคลื่อนไหว — ฟิสิกส์ในเกม (แรงโน้มถ่วง, การชน, สมดุล) สอน robot จำลองการเดิน-หยิบจับได้ตรงกว่าอ่านคู่มือฟิสิกส์จากเว็บ

AI agent ตัดสินใจหลายขั้นตอน — quest design ในเกมคือ multi-step planning ล้วนๆ เก็บไอเทม A ก่อนถึงจะปลดล็อกด่าน B ตรงกับ workflow ที่ agent ต้องทำจริงในงาน

รถยนต์ไร้คนขับ — การเข้าใจพื้นที่สามมิติ ระยะห่าง มุมมอง จากเกมโลกเปิดช่วยเสริม spatial reasoning ที่ text อธิบายได้ไม่ครบ

ความร่วมมือ/แข่งขัน — เกมหลายผู้เล่นฝึก AI ให้อ่านเกม ปรับกลยุทธ์ตามคู่แข่งหรือทีม ซึ่งเป็นทักษะที่ dataset จากอินเทอร์เน็ตแทบไม่มี

เทียบกับแนวคิดของคนอื่นในสนามเดียวกัน

วงการ AI ตอนนี้แตกเป็นหลายสาย ไม่ใช่ทุกคนเห็นด้วยกับแนวคิด “เกมคือ training data ที่ดีกว่า internet”

สาย internet-scale data (แบบ GPT ทั่วไป) ยังเชื่อว่าข้อมูลข้อความปริมาณมหาศาลพอจะ generalize ได้ทุกงาน จุดแข็งคือ scale หาง่าย จุดอ่อนคือขาด spatial reasoning และ real-time decision-making

สาย simulation/synthetic data (แบบที่ทีม robotics บางค่ายใช้) สร้างสภาพแวดล้อมจำลองขึ้นมาเองเพื่อฝึก agent เจาะจงงาน แม่นกว่าเกมเชิงพาณิชย์แต่ต้นทุนสร้างสูงกว่ามาก

ข้อดีข้อเสียของแนวคิดนี้

มุมมองนี้มีทั้งจุดแข็งและจุดที่ต้องตั้งคำถาม ลองดูให้ครบทั้งสองด้าน

พูดตรงๆ ว่าทั้งสองฝั่งมีเหตุผลรองรับ คำตอบสุดท้ายอาจไม่ใช่เลือกอย่างใดอย่างหนึ่ง แต่เป็นการผสมทั้งคู่เข้าด้วยกัน

สิ่งที่ต้องแลกเมื่อเปลี่ยนมาเชื่อไอเดียนี้จริงจัง

ไอเดีย “เกมคือ training data ที่ดีกว่า internet” ฟังดูเท่ในคำโปรย แต่ของจริงมีต้นทุนที่ไม่มีใครพูดถึง เริ่มจากค่าลิขสิทธิ์ engine กับเกม ต้องไปเจรจากับสตูดิโอทีละเจ้า ซึ่งไม่ใช่ทุกเจ้าจะยอมเปิดให้ scrape หรือรันซ้ำเป็นล้านรอบ

ต่อมาคือ compute — การจำลอง (simulation) เกมนับล้าน episode เพื่อสร้าง training signal กินทรัพยากรมหาศาล ไม่ต่างจากเทรนโมเดลภาษาขนาดใหญ่เลย แถมยังมีความเสี่ยงด้านกฎหมายเรื่องข้อมูลผู้เล่น (player data) ที่แฝงอยู่ในเกมออนไลน์ ยิ่งเกมมี community เก็บ log พฤติกรรมคน ยิ่งต้องระวังเรื่อง privacy

ข้อที่หนักสุดคือคำถามเรื่อง generalization: โมเดลที่เก่งในโลกเกมที่มีกฎตายตัว อาจเจอโลกจริงที่ไม่มีกฎชัดเจนแล้วงงเป็นไก่ตาแตก นี่คือช่องว่างที่ยังไม่มีใครตอบได้ชัดนะ

มองไปข้างหน้า: อะไรที่ควรจับตาต่อจากนี้

คำถามจริงคือ นี่คือ breakthrough ทาง research หรือแค่ narrative เอาไว้ระดมทุนรอบใหม่ ต้องรอดูของจริง ไม่ใช่คำแถลง

สัญญาณที่ควรจับตา: หนึ่ง deal จับมือกับสตูดิโอเกมใหญ่เพื่อเข้าถึงข้อมูล gameplay ระดับ scale สอง paper หรือ benchmark ที่โชว์ผล agent ที่ฝึกจากเกมแล้วเอาไปใช้งานนอกเกมได้จริง ไม่ใช่แค่เก่งในเกมเดิม สาม ตัวเลข funding round ที่ผูกกับ milestone พวกนี้ — ถ้า valuation ขยับก่อนมี proof ก็น่าสงสัยว่าเป็นการขายฝันมากกว่า

ถ้า 6-12 เดือนข้างหน้ายังไม่มี agent ตัวไหนพิสูจน์ generalization ได้ชัด คำกล่าวอ้างนี้ก็ยังเป็นแค่สมมติฐานที่ฟังดูดีอยู่ดี