De grootste spelers in kunstmatige intelligentie investeren op dit moment massaal in zogeheten “wereldmodellen” — virtuele omgevingen waarmee AI-systemen niet alleen taal en data leren, maar de fysieke wereld kunnen interpreteren en ermee kunnen omgaan. In een spannende verschuiving van focus trekt deze aanpak de aandacht van DeepMind, Meta, Nvidia en tal van startups.
Van taal naar ruimte: Het nieuwe AI-paradigma
Tot nu toe domineerden grote taalmodellen (LLM’s) de AI-discussie: modellen die tekst genereren, analyseren en begrijpen. Maar de grenzen van die aanpak lijken zich te tonen. Daarom gaat de industrie nu vol gas in op wereldmodellen — AI’s die de regels van de fysieke wereld leren via video, simulaties en robotdata.
AI groups bet on world models in race for ‘superintelligence’Google DeepMind, Meta and Nvidia are developing systems that aim to better understand the physical world |
In plaats van enkel tekst of beelden te voorspellen, simuleren systemen straks omgevingen waarin AI kan experimenteren, fouten maken en leren, zonder de risico’s van de echte wereld.
AI Evolves in Virtual Worlds: Simulating Physics for Robotics BreakthroughsResearchers are advancing AI through simulated virtual worlds, mimicking real physics for safe trial-and-error learning, overcoming limitations in physical intuition. Drawing from gaming engines, these environments attract investments for applications in robotics and beyond, despite challenges like high computational demands and ethical concerns. This shift promises seamless real-world AI integration. |
Grote namen, groot kapitaal
Bedrijven als Google DeepMind, Meta en Nvidia investeren al zwaar in wereldmodellen. Zo bouwt DeepMind een team dat realistische simulaties moet creëren voor speltoepassingen en robottraining.
Meta experimenteert met modellen als V-JEPA, die leren uit video’s alsof een kind de wereld bekijkt en begrijpt. Nvidia ziet commerciële potentie in simulatieplatformen (zoals hun Omniverse), met wereldmodellen die getraind worden om fysieke processen te voorspellen én te beïnvloeden.
Startups springen mee in het wapenwedloop. Zo profiteert Niantic (bekend van Pokémon Go) van gebruikersdata om reële omgevingen in kaart te brengen, wat cruciaal is voor realistische simulatie.
|
Google is building its own ‘world modeling’ AI team for games and robot trainingGoogle DeepMind is assembling a new team of artificial intelligence researchers to develop models that can accurately simulate physical environments. |
Waarom juist nú?
Er zijn minstens twee sterke drijfveren:
- Verminderde rendementen in LLM’s: De snelle verbeteringen in grote taalmodellen zwakken af, ondanks miljardeninvesteringen. Bedrijven zoeken naar de volgende sprong — en die zou kunnen liggen in het leren van fysieke causaliteit, ruimtelijke relaties en interacties.
- Directe toepassingen in de echte wereld: Wereldmodellen brengen AI dichter bij toepassingen in robotica, gezondheidszorg, productie en autonoom rijden. Ze kunnen risico’s minimaliseren, kosten verlagen en ontwikkelen versnellen door een veilige testomgeving te bieden.
Uitdagingen en grenzen
Deze ambitie brengt ook flinke uitdagingen met zich mee:
- Rekenkracht en schaal: De simulaties vereisen enorme numerieke capaciteit en geavanceerde grafische weergave.
- Datavereisten: Om realistisch te kunnen leren, moeten AI-systemen enorme hoeveelheden hoge kwaliteit video- en sensorinformatie verwerken.
- Overdracht naar de echte wereld (sim-to-real): Niet alles wat in een simulatie werkt, werkt moeiteloos in de echte wereld. De kloof tussen virtueel en fysiek blijft een probleem.
- Ethische en maatschappelijke vragen: Wie bepaalt wat zo’n wereldmodel leert? Welke biases dringen door? Wat zijn veiligheidsrisico’s?
Horizon: Een decennium naar superintelligentie?
Sommige waarnemers voorspellen dat wereldmodellen het traject richting kunstmatige algemene intelligentie (AGI) of zelfs superintelligentie versnellen. Maar anderen waarschuwen dat dit minstens tien jaar werk vraagt — en dat de race op technisch, ethisch én strategisch vlak zal beslecht worden.
De verschuiving van taalmodellen naar wereldmodellen markeert mogelijk de volgende fase van AI: niet alleen begrijpen, maar een wereld echt meemaken en vormgeven. Grote techbedrijven, startups én investeerders zetten in op deze belofte, terwijl de industrie worstelt met technische bottlenecks en maatschappelijke verantwoordelijkheden. De uitkomst van deze wedloop kan niet alleen de toekomst van AI bepalen, maar ook hoe technologie de fysieke wereld zal transformeren.
|
Silicon Valley bets big on 'environments' to train AI agents | TechCrunchA wave of startups are creating RL environments to help AI labs train agents. It might be Silicon Valley’s next craze in the making. |
