Der Informatiker Louis Castricato widmete sein achtes Jahr dem Studium großer Sprachmodelle, der künstlichen Intelligenztechnologie hinter Chatbots wie ChatGPT und Claude, als er das Gefühl hatte, in einer Sackgasse zu stecken.
„Wir haben im Grunde genommen den Punkt überschritten, echte LLM-Grundlagenforschung zu betreiben“, sagte Castricato. „Jetzt ist es nur noch eine Bewerbung.“
Der Forscher beendete sein Doktoratsstudium an der Brown University und gründete ein neues Unternehmen, Overworld. Sein Ziel ist im Namen klar: eine künstliche Intelligenz zu schaffen, die in der Lage ist, eine physische Welt zu verstehen und zu navigieren, nicht nur Worte.
Während mit KI-Chatbots immer noch viel Geld zu verdienen ist, setzen Investoren darauf und investieren Billionen von Dollar in führende Entwickler wie Anthropic und OpenAI. Gleichzeitig widmet sich eine wachsende Zahl von Unternehmern im Bereich der künstlichen Intelligenz dem, was sie als die nächste Grenze betrachten: „Modelle der Welt“. Diese Systeme zielen darauf ab, künstlicher Intelligenz und manchmal auch Robotern beizubringen, wie sie in einer physischen Umgebung reagieren sollen.
Unter den Beteiligten sind einige der prominentesten Wissenschaftler auf diesem Gebiet, wie etwa die „Patin der KI“, Fei-Fei Li, die das Konzept des Weltmodells als „einen der wichtigsten und am meisten überladenen Begriffe in der heutigen KI“ bezeichnet.
Zum gleichen Thema: Experten gehen von der Ankündigung der iPhone 18 Pro-Reihe für August 2026 aus
Was sind Weltmodelle und warum braucht KI sie?
Im Zentrum der Weltmodellforschung steht die Prämisse, dass künstliche Intelligenz nicht wirklich intelligent sein kann, wenn sie nur „ein Buch liest“. Sie muss auch „die Umgebung lesen“.
„Während Sprachmodelle die statistische Struktur von Text lernen, lernen Weltmodelle die statistische Struktur von Raum und Zeit: wie Licht auf eine Oberfläche fällt, wie ein Garten aus einem Winkel aussieht, den keine Kamera erfasst hat, wie Objekte auf Kraft reagieren und den Gesetzen der Physik folgen“, schrieb Li, Gründer des San Franciscoer Startups World Labs, in einem diesen Monat veröffentlichten Aufsatz.
Ein weiterer Enthusiast ist der KI-Pionier Yann LeCun, der letztes Jahr seine Rolle als leitender KI-Wissenschaftler bei Meta aufgab, um das Pariser Advanced Machine Intelligence Labs zu gründen.
„Modell der Welt wird schnell zu einem Schlagwort“, sagte LeCun kürzlich in einem Podcast „Unsupervised Learning“. Er sieht das Konzept als etwas, das es einem KI-Agenten ermöglicht, „die Konsequenzen seiner eigenen Handlungen vorherzusagen“.
Es gibt verschiedene Möglichkeiten, Weltmodelle zu definieren, oft basierend auf den Technologien, die voraussichtlich mit ihnen gebaut werden, seien es Roboter oder ein interaktiveres Videospiel.
Roboter und die Begrenzung von Sprachmodellen in realen Umgebungen
Das Training aller Bücher, Nachrichtenartikel und visuellen Medien der Menschheit durch KI-Sprachmodelle hat zu intelligenten Assistenten geführt, die die Art der Büroarbeit und einiger kreativer Bereiche verändern. Einige Befürworter sehen jedoch Einschränkungen in generativen KI-Modellen, die durch wiederholte Vorhersage des nächsten Wortes oder Pixels funktionieren, um neue Dialoge, Bilder oder Codezeilen zu erzeugen.
Chatbots können keine Tasse Kaffee abholen, bemerkt Martial Hebert, Dekan für Informatik an der Carnegie Mellon University.
„Es gibt die ganze Geometrie der Welt, die Dynamik, wie ich meine Hand bewege, die physische Interaktion beim Kontakt mit der Tasse“, sagte Hebert. „Das ist viel komplexer, als nur das nächste Wort in einem Satz vorherzusagen.“
Für Wissenschaftler wie Hebert, der sich seit mehr als vier Jahrzehnten der Robotikforschung widmet, ist die nützlichste Anwendung von Weltmodellen ein schnellerer und erschwinglicherer Weg zur „physischen KI“, einem weiteren Begriff, der in der Technologiebranche auf dem Vormarsch ist.
Mehr zum Thema: Erinnern Sie sich an die Entwicklung der Spiele: von Chips und Mario bis hin zu Internetcafés in der Kindheit
„Manche haben vielleicht unterschiedliche Definitionen, aber physische und verkörperte KI sind eine Art Weiterentwicklung dessen, was wir früher Robotik nannten“, erklärte Hebert in einem Interview. Er fügte hinzu, dass einige der KI-Fortschritte, die Chatbots so nützlich gemacht haben, auch auf den Aufbau künstlicher Intelligenz mit einem Umweltbewusstsein angewendet werden können, das breit genug ist, um wie das Gehirn eines Roboters zu funktionieren.
„In Ihrem Körper und Rückenmark haben Sie ein sehr allgemeines Modell dafür, wie man das Gleichgewicht hält und wie man geht, und Sie können sich morgens an ein schlechtes Knie gewöhnen, sodass Sie ein wenig anders gehen“, sagte er. „Sie müssen nicht darüber nachdenken. Sie haben irgendwo in Ihrem Nervensystem und Gehirn einen allgemeinen Bauplan, der es Ihrem Körper ermöglicht, sich sehr schnell anzupassen.“
Simulierte Welten wecken das Interesse von Investoren für die Branche
Intelligentere Roboter sind nicht das einzige Ziel der Weltmodelle. Castricato gründete Overworld letztes Jahr, und das kleine Startup aus Rhode Island baut jetzt Videospielwelten, in denen sich eine Szene, beispielsweise ein Gruselwald, anpassen kann, wenn sich ein virtueller Charakter bewegt und mit den darin enthaltenen Objekten interagiert.
„Es gibt kein anderes Weltmodell, bei dem man einfach durch Türen gehen oder mit einer so detaillierten Umgebung interagieren kann“, sagte er in einem Interview. „Wir optimieren vor allem die Interaktion.“
Während kurzfristige Anwendungen nicht so sofort erkennbar sind wie KI-Codierungstools, wecken Weltmodellbauer das Interesse von Risikokapitalgebern wie Steve Jang, Mitbegründer und geschäftsführender Gesellschafter von Kindred Ventures.
Das Unternehmen investiert in Overworld und andere Unternehmen, die sich auf Weltmodelle konzentrieren, darunter Causal Labs, das KI-Modelle für Wettervorhersagen entwickelt, und Extropic, das spezielle Computerchips für solche Modelle baut.
„Ich glaube, dass die Zukunft viele verschiedene Modelltypen mit vielen unterschiedlichen Philosophien und Architekturen umfassen wird“, sagte Jang. „Ich glaube nicht, dass es ein einziges großes, dichtes Modell sein wird, das sie alle regiert.“
Mehr erfahren: Forscher nutzen KI, um verborgene Gesetze in geladenen Teilchensystemen zu entdecken
In seinem jüngsten Aufsatz versuchte Li, eine „Taxonomie der Weltmodelle“ zu erstellen, um die Verwirrung über konkurrierende Ansichten zu ordnen.
„Ein Videomodell, das großartige, aber physikalisch unmögliche Flammen erzeugt, ein Sprachmodell, das ein spielbares Spiel improvisiert, und eine Physik-Engine, die die Verbrennung originalgetreu simuliert, tragen alle denselben Namen“, schrieb sie.
Sie teilte die Weltmodelle in drei Kategorien ein. Am kommerziell rentabelsten sind heute „Renderer“, bei denen die visuelle Wiedergabetreue der von ihnen erstellten virtuellen Welten im Vordergrund steht, bei denen man Robotern jedoch nicht unbedingt viel beibringen kann.
Als nächstes kommen „Simulatoren“, die virtuelle Trainingsgelände schaffen, die die physische Struktur einer Welt originalgetreu darstellen; und „Planer“, die versuchen vorherzusagen, was ein KI-Agent oder Roboter in einer unstrukturierten Welt tun soll.
„Ein Roboter, der planen kann, ist ein Roboter, der arbeiten kann, und die gesamte Branche kämpft darum, als Erster dorthin zu gelangen“, schloss sie.