AMI Labs, het jonge bedrijf rond Yann LeCun, weigert termen als kunstmatige algemene intelligentie (AGI) en superintelligentie te gebruiken. In plaats van labels wil het bedrijf zich richten op concrete techniek: modellen die begrijpen hoe de echte, fysieke wereld verandert en daarop kunnen reageren.

Waarom AMI Labs de labels vermijdt

De leiding van AMI Labs zegt dat woorden als AGI en superintelligentie weinig duidelijkheid geven. De termen veranderen snel van modewoord en krijgen verschillende betekenissen, waardoor ze weinig praktisch nut hebben voor mensen die systemen willen bouwen die in de echte wereld werken.

Het bedrijf kiest daarom voor een andere insteek: niet praten over algemene of superieure intelligentie, maar werken aan modellen die betrouwbaar kunnen voorspellen wat er met objecten en omgevingen gebeurt. Dat is concreet en toetsbaar: werkt het in een fabriek, in een huis of op straat?

Wat is een wereldmodel en hoe verschilt het van taalmodellen?

AMI Labs werkt aan wat men een wereldmodel noemt (een model dat de toestand van de echte wereld kan voorspellen). Een wereldmodel probeert te begrijpen hoe objecten zich bewegen en reageren op krachten en acties. Een simpel voorbeeld: duw een glas van tafel en het zal kantelen en morsen. Een wereldmodel leert zulke gevolgen te voorspellen.

Dat is anders dan een groot taalmodel (LLM, "groot taalmodel"), dat vooral woorden en tekst voorspelt. Een LLM kan goed zijn in taal en informatie verwerken, maar het heeft geen ingebouwd begrip van fysieke oorzaak en gevolg. AMI Labs ziet beide technieken als aanvullend:

• LLMs zijn efficiënt voor taal en tekstverwerking.

• Wereldmodellen geven context en inzicht in de fysieke wereld.

Samen kunnen ze krachtiger zijn dan elk apart.

Praktische toepassingen en waarom het moeilijk is

Wereldmodellen worden vooral relevant zodra systemen buiten een gecontroleerde omgeving gaan werken. Dat geldt bijvoorbeeld voor robots. Veel huidige robots draaien vaste routines en zijn "statisch"; ze volgen vooraf ingestelde bewegingen en reageren niet goed op onverwachte situaties.

Als een robot contextbewust wordt, verandert dat veel. Een voorbeeld uit de praktijk: een robot die op een evenement danste en onverwacht een kind naderde en schopte. Een wereldmodel dat context begrijpt, zou zo'n risico kunnen voorkomen.

Toepassingen die baat kunnen hebben bij wereldmodellen zijn onder meer:

• robotica

• productie en fabricage

• elektronica

• gezondheidszorg

In de zorg vergelijkt AMI Labs de huidige AI soms met een arts die alleen uit boeken heeft geleerd en nooit praktijkervaring heeft gehad. Taalmodellen helpen bij informatie, maar veel medische beslissingen hangen af van ervaring met echte situaties. Wereldmodellen voegen die praktijkkennis toe.

Het grote probleem is dat zulke modellen niet alleen in het lab gebouwd kunnen worden. Ze hebben echte omgevingen en echte data nodig. Daarom zoekt AMI Labs nauwe partners in industrieën waar robots en hardware echt worden gebruikt.

Waarom Zuid-Korea belangrijk is voor AMI Labs

AMI Labs bezoekt Zuid-Korea omdat het land een sterke combinatie heeft van geavanceerde industrie en snelle adoptie. Twee redenen vallen op:

• een diepgaande industriële basis in robotica, chips en productie

• bereidheid om nieuwe technologieën snel te omarmen

Zuid-Korea heeft bovendien grote staatsplannen om te investeren in chips, AI-datacenters en fysieke AI. Zo’n mix van kapitaal en bestaande hardware maakt het makkelijker om wereldmodellen buiten het lab te testen en te verbeteren.

Lokale partners en ontwikkelaars zijn ook snel in het oppikken en aanpassen van nieuwe tools. Voor een bedrijf dat echt met robots en fabrieksmachines wil werken, zijn dat waardevolle eigenschappen.

Status en uitdagingen van AMI Labs

Ondanks de hoge investeringen heeft AMI Labs nog geen product op de markt. Het bedrijf haalde meer dan een miljard dollar op en heeft veel aandacht, maar er is geen vaste lanceerdatum. De aanpak is bewust: het team wil eerst goed werken voordat het iets presenteert.

Belangrijke uitdagingen zijn:

• toegang krijgen tot realistische, fysieke testomgevingen

• zorgen dat robots veilig en betrouwbaar werken buiten gecontroleerde situaties

• samenwerking met fabrikanten en onderzoeksinstellingen

Veiligheid blijft een knelpunt. Robots die in de echte wereld werken moeten veel beter begrijpen wat er om hen heen gebeurt, anders ontstaan risico's voor mensen en spullen.

Conclusie

AMI Labs kiest voor een praktische koers: minder aandacht voor grote, vage termen als kunstmatige algemene intelligentie en meer focus op modellen die de echte wereld kunnen voorspellen en begrijpen. Die aanpak vereist samenwerken met bedrijven die echt met hardware en robots werken, en testen buiten het lab. Pas als die modellen veilig en betrouwbaar zijn, hebben ze volgens AMI Labs echt impact op industrieën zoals robotica, productie en gezondheid.