Wereldmodellen zijn een van de meest besproken, maar ook meest mysterieuze onderdelen van de huidige AI-ontwikkelingen. Grote labs praten veel over mogelijkheden, maar weinig over concrete producten of tijdlijnen. Daardoor blijft onduidelijk wanneer en hoe jij deze techniek in de praktijk tegenkomt.

Wat zijn wereldmodellen?

Wereldmodellen zijn AI-systemen die een soort interne kaart van de omgeving maken. Ze werken met ruimtelijke informatie: waar iets staat, hoe objecten zich bewegen en hoe je door een ruimte kunt navigeren. Dit is vergelijkbaar met de software in zelfrijdende auto’s, maar de techniek is breder inzetbaar.

Praktische voorbeelden:

• Robots die dozen tillen en zich veilig door een magazijn verplaatsen.

• Interactieve videogames of video’s waarin je jezelf door een nagebouwde scène kunt verplaatsen.

• Complexere rijhulpsystemen voor auto’s en andere voertuigen.

Omdat hetzelfde model meerdere taken kan ondersteunen, noemen onderzoekers het soms een veelzijdige bouwsteen voor allerlei toepassingen.

Wie doet hier onderzoek en waarom is het zo stil?

De bekendste spelers in dit veld zijn AMI Labs van Yann LeCun en World Labs van Fei-Fei Li. Beide organisaties hebben veel aandacht en geld gekregen. Toch zeggen ze weinig over wat ze precies ontwikkelen en wanneer daar producten van komen.

Bijvoorbeeld: een leidinggevende van AMI Labs gaf op een conferentie aan dat het team nog in de onderzoeksfase zit en dat ze pas praten als ze daar klaar voor zijn. Dat is op zich logisch: AMI bestaat nog maar kort en onderzoek kan jaren duren.

World Labs heeft een product met de naam Marble. De demo’s daarvan laten zien wat mogelijk is: van eenvoudige mediacreatie tot omgevingen die je kunt verkennen voor spelbouw of speciale effecten in film. Maar ook die demo’s lijken vooral bedoeld om technische mogelijkheden te tonen, niet om een direct verkoopbaar product te presenteren.

Niet alleen de grote labs houden de hand op de mond. Ook leveranciers van data voor deze systemen weten vaak niet precies waarvoor hun materiaal wordt gebruikt. Een CEO van een dataleverancier zei dat zijn bedrijf wel merkt dat hun data nuttig is, maar dat ze niet weten welke eindproducten daarmee worden gemaakt. Als ze dat wel wisten, zouden ze mogelijk andere of betere data kunnen aanleveren.

Waar kunnen wereldmodellen voor gebruikt worden?

De technologie is technisch gezien breed inzetbaar. Mogelijke toepassingen zijn onder andere:

• Robotica en magazijnautomatisering.

• Interactieve video en spelomgevingen.

• CGI en film‑effecten.

• Verbeterde systemen voor autonoom rijden.

• Productie en fabricageprocessen.

• Toepassingen in de biomedische hoek en software voor artsen (bijvoorbeeld via samenwerkingen zoals genoemd met Nabia).

Omdat de techniek meerdere kanten op kan, is het lastig om te voorspellen welke markt het snelst volwassen wordt. Vaak zal één of twee toepassingen commercieel het verst komen en veel aandacht trekken.

Waarom houden bedrijven hun plannen geheim?

Er zijn een paar logische redenen voor die stilte.

• Financiering is ruim beschikbaar: dat maakt het makkelijker om rustig door te onderzoeken zonder meteen een product te moeten verkopen.

• Concurrentie: als een lab vroeg en duidelijk bekendmaakt wat het bouwt, dan kunnen andere labs met dezelfde middelen snel volgen. Door stil te blijven, vertraag je het moment waarop veel andere partijen zich op dezelfde kans storten.

• Strategie: sommige organisaties willen eerst een sterke technische voorsprong hebben voordat ze die breed uitventen.

Die houding kun je vergelijken met een literaire metafoor die vaak genoemd wordt: het "Donkere Bos"-scenario. Het idee is simpel: als je niet weet wie er nog in het bos zit, trek je geen aandacht naar jezelf. In de AI-wereld betekent dat dat je je beste ideeën stilhoudt totdat je klaar bent om ze te beschermen of snel op de markt te brengen.

Conclusie

Wereldmodellen zijn veelbelovend en technisch veelzijdig. Ze kunnen alles mogelijk maken, van slimme robots tot interactieve omgevingen voor film en games. Toch is het nog onduidelijk wanneer die belofte echt vertaald wordt naar concrete producten. Grote labs en hun leveranciers houden veel details voor zich, deels om concurrentie uit te stellen. Dat maakt het lastig voor buitenstaanders om te zien welke richting uiteindelijk het eerst groot wordt.