Een nieuwe AI van Stanford, Decart, bekijkt duizenden livestreams tegelijk en leert zelfstandig verbanden te leggen tussen objecten, locaties en gebeurtenissen. Dit markeert een baanbrekende stap richting werkelijk begrip van de echte wereld door machines.
AI die kijkt, leert en begrijpt
In een wereld waar AI doorgaans wordt getraind met statische datasets, gooit Stanford University het over een andere boeg. Onderzoekers ontwikkelden Decart (Detecting Events from Cameras with Artificial Reasoning in Time), een AI-systeem dat duizenden publieke livestreams van over de hele wereld bekijkt — variërend van verkeerscamera’s in New York tot berglandschappen in Japan. Zijn missie: leren hoe de wereld echt werkt door het observeren van spontane, ongecureerde gebeurtenissen in realtime.
Decart is geen klassieke AI die pas reageert als er iets wordt ingevoerd. In plaats daarvan kijkt het systeem autonoom naar camera’s, interpreteert het zelf wat belangrijk is, en leert op die manier semantisch rijke kennis: waar een bos ophoudt en een stad begint, welke voertuigen typisch zijn voor een omgeving, of hoe weersomstandigheden verband houden met locatie.
Van pixels naar betekenis
Wat Decart onderscheidt, is zijn vermogen om context te bouwen. De AI is getraind op een dataset die ongeveer 13.000 livestreams bevatte, verspreid over zes maanden, waarbij het automatisch labels genereerde voor beelden zonder menselijke input. Op basis van deze visuele observaties bouwt het systeem een netwerk van begrippen op. Zo kan Decart bijvoorbeeld begrijpen dat een windmolen op een open veld logischer is dan in een stadscentrum, of dat regen vaker voorkomt in kustgebieden.
Deze methode staat haaks op het huidige AI-landschap, waarin modellen zoals GPT of Gemini meestal hun kennis uit tekst of gecureerde databases halen. Decart leert visueel, ongefilterd en in de echte wereld.
Nieuwe mogelijkheden voor AI-verstaan van de wereld
De implicaties van Decart reiken verder dan academisch onderzoek. In plaats van zich blind te staren op promptinvoer, zou AI met een systeem zoals dit een beter begrip kunnen krijgen van hoe mensen en objecten zich gedragen in tijd en ruimte. Denk aan toepassingen in autonome voertuigen, stedelijke planning, milieumonitoring of rampenrespons.
Een ander belangrijk aspect: Decart leert zonder menselijke tussenkomst. Geen annotators, geen prompt engineers — gewoon pure, ruwe realiteit als leerbron. Volgens de makers is dit de sleutel om machines te laten denken zoals mensen dat doen: observeren, afleiden, begrijpen.
Grenzen en toekomst
Hoewel veelbelovend, erkent het onderzoeksteam ook beperkingen. Decart kan nog niet praten over wat het ziet, en begrijpt nog geen causale verbanden zoals “waarom” iets gebeurt. Toch opent het systeem de deur naar AI die niet alleen reageert, maar actief observeert en leert van de wereld zoals die is.
Het experiment met Decart laat zien dat AI niet enkel uit boeken hoeft te leren, maar ook uit het leven zelf. Door een digitale blik te werpen op onze wereld, zou kunstmatige intelligentie uiteindelijk écht kunnen begrijpen waar wij mensen ons dagelijks doorheen bewegen.
In plaats van AI die antwoorden fabriceert op basis van datasets uit het verleden, wijst Decart naar een toekomst waarin machines leren van het hier en nu — net zoals wij mensen dat doen.
|
This AI Warps Live Video in Real TimeA startup called Decart has developed an AI model that can transform live footage. The results are mind-bending—and poised to take over streaming. |
