Große Sprachmodelle (LLMs) stoßen an ihre Grenzen, wenn es um Bereiche geht, die ein Verständnis der physischen Welt erfordern. Ob Robotik, autonomes Fahren oder Fertigung – die Fähigkeit, reale Zusammenhänge zu begreifen, fehlt oft. Diese Einschränkung führt dazu, dass Investoren verstärkt auf sogenannte „World Models“ setzen. So konnte beispielsweise AMI Labs kurz nach World Labs eine Seed-Finanzierungsrunde von über einer Milliarde Dollar abschließen.

LLMs sind zwar hervorragend darin, abstraktes Wissen durch Vorhersage des nächsten Tokens zu verarbeiten, ihnen fehlt jedoch die Verankerung in der physischen Kausalität. Sie können die physischen Konsequenzen von realen Handlungen nicht zuverlässig vorhersagen. KI-Forscher und Vordenker äußern sich zunehmend kritisch über diese Einschränkungen, da die Industrie versucht, KI aus Webbrowsern in physische Räume zu verlagern.

Richard Sutton, Träger des Turing Awards, warnte in einem Interview, dass LLMs lediglich das nachahmen, was Menschen sagen, anstatt die Welt zu modellieren. Dies schränkt ihre Fähigkeit ein, aus Erfahrungen zu lernen und sich an Veränderungen in der Welt anzupassen. Diese Kritik verdeutlicht, dass die bloße Verarbeitung von Textdaten nicht ausreicht, um KI-Systeme in der realen Welt handlungsfähig zu machen. Es braucht neue Ansätze, die es ermöglichen, die physikalischen Gesetze und Zusammenhänge zu verstehen und zu simulieren.

Es gibt verschiedene vielversprechende Ansätze, um diese Lücke zu schließen. Ein Ansatz besteht darin, KI-Systeme mit multimodalen Daten zu trainieren, also nicht nur mit Text, sondern auch mit Bildern, Videos und Sensordaten. Dadurch können die Modelle ein umfassenderes Verständnis der Welt entwickeln. Ein weiterer Ansatz ist die Entwicklung von speziellen Architekturen, die explizit darauf ausgelegt sind, physikalische Beziehungen zu modellieren. Diese Architekturen können beispielsweise auf neuronalen Netzen basieren, die die Gesetze der Physik simulieren.

Die Fortschritte im Bereich der World Models sind vielversprechend und könnten die Tür zu einer neuen Generation von KI-Anwendungen öffnen. Stellen Sie sich Roboter vor, die nicht nur Befehle ausführen, sondern auch selbstständig Probleme lösen und sich an neue Situationen anpassen können. Oder autonome Fahrzeuge, die nicht nur auf vorgegebenen Routen fahren, sondern auch unvorhergesehene Ereignisse sicher meistern können. Die Entwicklung von KI-Systemen, die die physische Welt verstehen, ist ein entscheidender Schritt auf dem Weg zu einer wirklich intelligenten und autonomen Technologie. Die Investitionen in diesem Bereich zeigen, dass die Industrie das Potenzial erkannt hat und bereit ist, die notwendigen Ressourcen bereitzustellen. Die kommenden Jahre werden zeigen, welche konkreten Durchbrüche erzielt werden und wie diese die Welt verändern werden.