Podczas gdy branża AI ściga się w nadawaniu etykiet „AGI” i „superinteligencji”, AMI Labs podąża inną drogą. CEO Alexandre LeBrun, który współzałożył startup z laureatem Nagrody Turinga Yannem LeCunem, pomija modne hasła i zajmuje się tym, co nazywa brakującym ogniwem we współczesnej sztucznej inteligencji: intuicją fizyczną.

Wyjście poza semantyczną pułapkę AGI

Podczas Międzynarodowej Konferencji Uczenia Maszynowego w Seulu, LeBrun stwierdził, że AMI Labs odmawia używania terminów takich jak „AGI” czy „superinteligencja”. „Nie ma dobrej definicji. Czym jest superinteligencja? Nie wiem. To nie jest zbyt użyteczne słowo” – powiedział, dodając, że branża jedynie zmienia etykiety, aby podtrzymać szum medialny.

Zamiast gonić za teoretyczną świadomością, AMI Labs buduje „modele świata” (world models) – systemy, które uczą się praw fizyki i przewidują kolejny stan świata. Duży model językowy (LLM) zgaduje następne słowo; model świata wie, że popchnięcie szklanki ze stołu spowoduje jej przewrócenie się i rozlanie zawartości.

Brakujący „mózg” w robotyce

LeBrun zauważa, że sprzęt w robotyce gwałtownie się rozwinął, ale oprogramowanie wciąż zachowuje się „naprawdę głupio w świecie fizycznym”. Większość robotów wykonuje statyczne rutyny i potyka się w domach lub na zatłoczonych ulicach.

Traktuje on LLM-y i modele świata jako partnerów, a nie rywali. Tak jak ludzki mózg oddziela język od rozumowania, tak LLM-y doskonale radzą sobie z tekstem, podczas gdy modele świata dostarczają kontekstu niezbędnego do interakcji fizycznej. Ten kontekst ma znaczenie dla bezpieczeństwa – na przykład może zapobiec zranieniu człowieka przez robota podczas skomplikowanego ruchu.

Skalowanie poprzez partnerstwa przemysłowe

AMI Labs jest wciąż na etapie przedwdrożeniowym, pozyskując 1,03 miliarda dolarów przy wycenie pre-money wynoszącej 3,5 miliarda dolarów. Ponieważ modele świata wymagają danych ze świata rzeczywistego, firma poszukuje partnerów przemysłowych, którzy mogą udostępnić nieuporządkowane, złożone środowiska.

LeBrun twierdzi, że Korea Południowa ma sens jako centrum: jej sektory półprzewodników, robotyki i produkcji są na światowym poziomie. Dzięki włączeniu się w branże „nasycone sprzętem” (hardware-heavy), AMI Labs może trenować swoje modele na chaotycznej rzeczywistości, którą same LLM-y pomijają.

Dlaczego to ma znaczenie

Przejście od generatywnego tekstu do inteligencji fizycznej wyznacza kolejną granicę AI. Pierwsza fala zdigitalizowała wiedzę; kolejna fala, napędzana przez modele świata, zdigitalizuje interakcję fizyczną. Deweloperzy i założyciele powinni szukać wartości nie w generowaniu poezji, lecz w bezpiecznej, intuicyjnej nawigacji w fabrykach i salonach.

Kluczowe wnioski

  • Modele świata vs. LLM: LLM-y przewidują następny token; modele świata przewidują kolejny stan fizyczny, zapewniając intuicję niezbędną do wykonywania rzeczywistych zadań.
  • Kontekst fizyczny jest kluczowy: Dzisiejsza sztuczna inteligencja nie posiada świadomości sytuacyjnej niezbędnej w otwartych środowiskach; modele świata mają na celu wypełnienie tej luki.
  • Strategiczny nacisk na przemysł: AMI Labs celuje w regiony skoncentrowane na sprzęcie, takie jak Korea Południowa, aby gromadzić dane i nawiązywać partnerstwa niezbędne do trenowania fizycznej AI.