Neues KI-Startup AMI Labs setzt auf World Models statt klassische Sprachmodelle

Der bekannte KI-Wissenschaftler Yann LeCun hat am Donnerstag offiziell seine Beteiligung an dem neuen Startup Advanced Machine Intelligence (AMI) bestätigt. Das Unternehmen zielt darauf ab, die Entwicklung der nächsten Generation künstlicher Intelligenz durch sogenannte World Models voranzutreiben.

Prominente Führung und hohe Bewertung

Während LeCun die Position des Executive Chairman einnimmt, übernimmt Alex LeBrun die operative Leitung als CEO. LeBrun wechselt von dem Medizin-KI-Unternehmen Nabla zu AMI und bringt Erfahrung aus der KI-Abteilung von Meta sowie von Nuance Communications mit.

Obwohl das Unternehmen noch vor dem offiziellen Marktstart steht, berichten Finanzkreise von ambitionierten Finanzierungszielen. AMI Labs strebt demnach an, 500 Millionen Euro Kapital aufzunehmen, was einer Unternehmensbewertung von rund drei Milliarden Euro entsprechen würde. Das Vorhaben reiht sich in eine aktuelle Welle hoher Investitionen in Startups ein, die von bekannten Wissenschaftlern gegründet wurden, wie etwa World Labs von Fei-Fei Li oder Thinking Machines Lab von Mira Murati.

Partnerschaften und Wettbewerb

AMI Labs plant, eng mit der Industrie zusammenzuarbeiten. Eine erste Partnerschaft besteht bereits mit LeBruns vorigem, in Paris ansässigen Unternehmen Nabla, das die neuen Modelle nach deren Entwicklung nutzen wird. Der Wettbewerb in diesem Feld wächst, weil auch große Technologieunternehmen wie NVIDIA mit eigenen World Models an Lösungen für die physikalische KI arbeiten.

Was sind World Models?

Der technologische Fokus von AMI liegt auf Weltmodellen bzw. World Models. Das ist ein Ansatz, der sich grundlegend von den heute verbreiteten Sprachmodellen (LLMs) unterscheidet. Während LLMs primär darauf trainiert sind, Texte statistisch vorherzusagen, versuchen World Models, die Dynamik, Physik und räumlichen Eigenschaften der realen Welt zu verstehen.

Ein World Model erstellt eine interne Repräsentation einer 3D-Umgebung und nutzt diese, um Ursache-Wirkungs-Zusammenhänge zu simulieren. Das System kann dadurch vorhersagen, was als Nächstes passieren könnte – ähnlich wie ein Mensch, der antizipiert, dass ein Glas zerbricht, wenn es vom Tisch fällt.

Diese Technologie bietet entscheidende Vorteile:

• Vermeidung von Fehlern: Befürworter glauben, dass Weltmodelle das Problem der Halluzinationen, also das Erfinden falscher Fakten bei Sprachmodellen, lösen können, weil das System ein Verständnis für die Realität besitzt, anstatt nur kreativ Text zu generieren.
• Anwendung in der Robotik: Die Modelle ermöglichen es Robotern und autonomen Fahrzeugen, Aktionen in einer Simulation zu testen, bevor sie diese in der echten Welt ausführen. Das erhöht die Sicherheit und Effizienz beim Training von Maschinen.
• Deterministische Entscheidungen: World Models treffen Entscheidungen, die vorhersagbar und reproduzierbar sind, weil diese auf Wahrnehmungen der Umwelt basieren. Das unterscheidet sie von LLMs, deren Ergebnisse nicht deterministisch sind.
• Was-wäre-wenn-Analysen lassen sich auf Basis von Simulationen durchführen.
• Regelwerke für autonome agentische Systeme sind ebenfalls auf Grundlage von World Models möglich.