KI SpotlightNewsWeltmodelle als nächster KI-Schritt: Die Wette der Branche
Von LeCun bis Li: Warum Weltmodelle als nächster Schritt gelten – und welche Widersprüche offen bleiben.
Mit KI erstelltInhalt
◆ Fakten auf einen Blick
- Weltmodelle werden als KI-Systeme beschrieben, die lernen, die Welt zu repräsentieren und zu simulieren, um Vorhersagen zu treffen und Handlungen zu planen.
- Es existieren mehrere Benchmarks zur Evaluierung von Weltmodellen: WorldPrediction (Fokus auf prozedurale Planung), RoboWM-Bench (Roboter-Manipulation), PlayWorld (interaktive Langzeitziele) und WM Bench (kognitive Fähigkeiten).
- Frühe Arbeiten zu Weltmodellen existieren mindestens seit 2018 (Ha & Schmidhuber), die ein generatives neuronales Netz zur Repräsentation von Reinforcement-Learning-Umgebungen vorschlugen.
- Es gibt öffentlich zugängliche Repositories und Code-Sammlungen zu Weltmodellen, z. B. für autonomes Fahren/Robotik und als kuratierte Listen.
- In der Fachliteratur wird zwischen expliziten Weltmodellen (strukturierte Dynamik für Planung) und impliziten Weltmodellen (prädiktive Repräsentationen in großen Modellen) unterschieden.
- Der Turing-Post-Beitrag nennt Yann LeCun, Demis Hassabis und Fei-Fei Li als prominente Forscher, die sich Weltmodellen zuwenden.
Die Wette auf Weltmodelle als nächsten KI-Schritt
Der Turing-Post-Beitrag „What Comes Next for AI? Our Bet Is World Models“ – eine Herstellerangabe des gleichnamigen Mediums – präsentiert Weltmodelle als den nächsten zentralen Entwicklungsschritt der KI. Als Beleg nennt der Beitrag, dass sich Yann LeCun, Demis Hassabis und Fei-Fei Li aus unterschiedlichen Richtungen Weltmodellen zuwenden. Weltmodelle werden dabei als KI-Systeme beschrieben, die lernen, die Welt intern zu repräsentieren und zu simulieren, um Vorhersagen zu treffen und Handlungen zu planen. Laut dieser Herstellerangabe reicht die bisherige Fokussierung auf Sprachmodelle nicht aus, um physische Interaktion zu verstehen; Weltmodelle sollen über das reine Erkennen von Mustern hinausgehen und ein aktives Verständnis von Veränderung aufbauen.
Explizit oder implizit: Zwei Lesarten von Weltmodellen
In der Fachliteratur wird zwischen expliziten und impliziten Weltmodellen unterschieden. Explizite Weltmodelle lernen strukturierte Dynamik für rollout-basiertes Schließen und Planung. Implizite Weltmodelle kodieren prädiktive Struktur in skalierbaren gelernten Repräsentationen, wie sie in großen Modellen vorkommen. Diese Unterscheidung ist grundlegend, weil sie unterschiedliche Architekturen und Trainingsziele beschreibt: explizite Modelle eignen sich für Planung, implizite für die Integration von Vorhersage in große neuronale Netze. Beide Paradigmen bilden eine Grundlage für physische KI in Domänen wie Robotik und autonomem Fahren.
Vier Benchmarks versuchen, Weltmodelle messbar zu machen
Vier Benchmarks versuchen, Weltmodelle messbar zu machen. WorldPrediction fokussiert auf prozedurale Planung mit zeitlicher und semantischer Abstraktion und unterscheidet zwischen Weltmodellierung und Planung. RoboWM-Bench prüft Roboter-Manipulation, indem es generierte Videos in ausführbare Aktionssequenzen umwandelt und in Simulationen validiert. PlayWorld bewertet interaktive Langzeitziele über 171 Szenarien mit multimodalen Agenten als Spielern. WM Bench testet kognitive Fähigkeiten in Wahrnehmung, Kognition und Gedächtnis auf einer 1000-Punkte-Skala.
Die Idee ist nicht neu: Weltmodelle seit 2018
Die Idee ist nicht neu: Bereits 2018 schlugen Ha und Schmidhuber ein generatives neuronales Netz als Weltmodell für Reinforcement-Learning-Umgebungen vor. Es lernt unbeaufsichtigt eine komprimierte räumlich-zeitliche Repräsentation und kann Agenten im eigenen „Traum“ trainieren. Öffentlich zugängliche Repositories und kuratierte Listen sammeln Weltmodell-Arbeiten für autonomes Fahren und Robotik, etwa als Ergänzung zu Surveys. Diese Sammlungen dokumentieren, dass die Grundidee seit Jahren in vielen Arbeiten verwendet wird.
Widersprüche: Was genau ist ein Weltmodell – und wie neu ist die Wette?
Die Debatte weist zwei zentrale Widersprüche auf. Erstens die Definition: Ha und Schmidhuber (2018) verstehen ein Weltmodell als latenten Prädiktor oder Simulator für Reinforcement Learning – ein kompaktes, unbeaufsichtigt gelerntes Modell, das räumlich-zeitliche Repräsentationen liefert und Agenten im eigenen „Traum“ trainieren kann. Demgegenüber fordern neuere Arbeiten wie „From Masks to Worlds“ ein interaktives generatives System mit Gedächtnis, das über reine Vorhersage hinausgeht und konsistente Welten über Zeit aufrechterhält. Zweitens die Neuheit: Der Turing-Post-Beitrag präsentiert Weltmodelle als neuen Ansatz, obwohl die Grundidee seit 2018 existiert und in vielen Arbeiten verwendet wird – öffentliche Repositories und kuratierte Listen für autonomes Fahren und Robotik dokumentieren eine breite, mehrjährige Forschungslinie. Die Community hat keine einheitliche Definition; verschiedene Forschungslinien betonen unterschiedliche Aspekte.
Warum die Wette auf Weltmodelle über Sprachmodelle hinausweist
Weltmodelle gelten als notwendiger Schritt, um über reine Sprachmodelle hinauszukommen und physische Interaktion zu verstehen. Laut der Herstellerangabe sind generative, interaktive und gedächtnisgestützte Systeme der vielversprechendste Pfad zu wahren Weltmodellen. Statt nur das nächste Token vorherzusagen, sollen Weltmodelle Konsequenzen von Handlungen und die Entwicklung von Umgebungen über Zeit modellieren.
