„World Models », Software, die digitale Umgebungen zur Simulation der Physik erzeugen kann, nehmen in der Forschung des Silicon Valley einen wachsenden Stellenwert ein. Sie könnten bald in den Alltag einziehen, ohne dass ihre Nutzer direkt mit ihnen interagieren, insbesondere in der Robotik und bei fahrerlosen Autos.
Im Jahr 2016 durchstreiften Hunderte Millionen Spieler mit ihren Smartphones die Straßen, um in Pokémon Go Pokémon zu fangen, einem Mixed-Reality-Spiel. Was sie nicht wussten: Die über ihre Umgebung gesammelten Daten könnten eines Tages Robotern helfen, Hindernisse zu umgehen und mit Objekten zu interagieren. Niantic, der Schöpfer des Spiels, hat dies verkauft und sich einem der angesagtesten Themen der künstlichen Intelligenz zugewandt. „Wir konzentrieren uns stark auf die Rekonstruktion der realen Welt », sagt Brian McClendon, Technischer Leiter von Niantic Spatial. Er hofft, diese Datenmenge zu nutzen, um Nachbildungen der Welt zu erstellen.
Bilder statt Worte
Große Sprachmodelle (LLM), die mit Text trainiert werden, unterscheiden sich von World Models, die visuelle Eingaben verarbeiten. Oliver Cameron, CEO von Odyssey, einem KI-Labor, das auf diese Modelle spezialisiert ist, vergleicht die beiden Ansätze: „Bei einem Sprachmodell haben Sie einen Satz, und es sagt das nächste Wort im Satz voraus. Bei einem World Model geben Sie ihm einen visuellen Zustand der Welt, ein Bild, und es sagt dann den nächsten visuellen Zustand der Welt voraus. »
Diese dreidimensionalen Generierungen können als digitale Trainingsumgebungen dienen. „Es sind Simulationen, aber sie sehen aus und fühlen sich echt an », sagt er.
Roboter und autonome Fahrzeuge trainieren
Laut Brian McClendon würden World Models es Robotern ermöglichen, sich ohne physische Bewegung oder Anwesenheit in der Zielumgebung zu trainieren. Es würde genügen, den Ort, an dem der Roboter agieren soll, zu fotografieren, ein 3D-Modell zu generieren und dann die Software „Millionen von Simulationen » durchführen zu lassen, um die Parameter des Raums zu erlernen.
Nicht nur humanoide Roboter können von diesen simulierten Trainings profitieren. Auch fahrerlose Autos stützen sich auf World Models, in einem Kontext, in dem Software-Reaktionen in Sekundenbruchteilen entscheidend sind. Jamie Shotton, Chief Scientist von Wayve, das für die Automobilbranche entwickelte World Models entwickelt, betont die Herausforderung: „Es ist entscheidend, dass ein World Model auf die Handlungen reagieren kann, die wir in der Welt unternehmen, und es muss daher Physik, Ursache und Wirkung verstehen sowie wie andere Objekte und Personen ihre Handlungen als Reaktion auf unsere ändern. »
Die Quelle nennt 2027 als ein Jahr, das für die Entwicklung der Haushaltsrobotik und der fahrerlosen Autos entscheidend sein könnte, zwei Bereiche, die durch die Fortschritte bei World Models gestärkt werden.
