Yann LeCun, KI-Chef bei Meta, warnt vor überzogenen Erwartungen an große Sprachmodelle wie ChatGPT. In einem Interview mit der Financial Times skizziert er eine alternative Vision für die Zukunft der KI: Statt auf LLMs zu setzen, die nur durch gezieltes Training lernen, will Meta KI-Systeme entwickeln, die die Welt verstehen und lernen wie Menschen.

LeCun kritisiert, dass LLMs zwar beeindruckende Ergebnisse liefern können, aber kein tieferes Verständnis der Welt haben. Sie können keine logischen Schlussfolgerungen ziehen, keine Pläne entwickeln und haben auch kein wirklich gutes Gedächtnis, so LeCun. Diese Modelle seien darauf angewiesen, dass menschliche Entwickler Sie mit Daten füttern und Ihnen Wissen beibringen.

LeCuns Vision für die Zukunft der KI basiert auf dem Konzept der „Weltmodellierung“. Dabei geht es darum, KI-Systeme zu entwickeln, die ein Modell der Welt aufbauen und dieses nutzen, um Entscheidungen zu treffen und Probleme zu lösen. Diese Systeme sollen in der Lage sein, selbstständig Schlussfolgerungen zu ziehen, Pläne zu schmieden und aus ihren Erfahrungen zu lernen.

Große Sprachmodelle wie z.B. GPT-4o können riesige Mengen an Textdaten analysieren und daraus Muster ableiten, um menschenähnliche Inhalte zu generieren. Allerdings arbeiten sie auf Basis von zuvor gesammelten Daten und haben kein tieferes Verständnis für die zugrunde liegenden Konzepte. LLMs reagieren auf Eingaben, sind aber nicht in der Lage, proaktiv zu handeln oder ein umfassendes Weltbild zu entwickeln. Weltmodellierung hingegen zielt darauf ab, KI-Systeme zu schaffen, die kontinuierlich ein Modell der Welt aufbauen, das sich an neue Informationen und Erfahrungen anpasst. Diese Systeme erfassen die Dynamiken und Zusammenhänge der Welt und können selbstständig Schlussfolgerungen ziehen, Pläne entwickeln und ihre Handlungen kontinuierlich verbessern.

Stellen Sie sich ein virtuelles Lernspiel vor, das nach dem Prinzip der Weltmodellierung funktioniert. In diesem Spiel löst ein Schüler verschiedene Aufgaben, um in einer simulierten Welt voranzukommen. Das Spiel erstellt ein dynamisches Modell des Wissens und der Fähigkeiten des Schülers. Wenn der Schüler Schwierigkeiten mit mathematischen Aufgaben hat, passt das Spiel die Schwierigkeit an, bietet zusätzliche Hilfestellungen oder erklärt Konzepte auf eine andere Weise. Basierend auf den bisherigen Leistungen des Schülers schlägt das Spiel proaktiv Lernpfade vor, um das Lernen zu optimieren. Spiel sammelt kontinuierlich Daten über die Interaktionen des Schülers und passt die Inhalte und Aufgaben dynamisch an, um langfristige Lernziele zu setzen und den Schüler Schritt für Schritt dorthin zu führen. Derzeitige LLMs wären in diesem Szenario weniger effektiv. Sie könnten zwar auf spezifische Fragen des Schülers antworten oder Erklärungen liefern, aber sie wären nicht in der Lage, ein dynamisches Modell des Schülers zu erstellen oder proaktive, personalisierte Lernpfade zu entwickeln.

Metas Fokus auf die Weltmodellierung ist ein riskantes Unterfangen. Es ist unklar, ob dieser Ansatz tatsächlich zum Erfolg führen wird. Zudem ist die Entwicklung solcher KI-Systeme teuer und zeitaufwendig. Doch LeCun ist überzeugt, dass dies der einzige Weg ist, um wirklich intelligente KI-Systeme zu entwickeln, die nicht nur Aufgaben erledigen, sondern auch verstehen, was sie tun.

Meta investiert massiv in die Erforschung und Entwicklung von KI-Systemen, die auf Weltmodellierung basieren. Das Unternehmen hat bereits erste Forschungsergebnisse veröffentlicht und arbeitet an der Integration dieser Technologie in seine Produkte. Es bleibt abzuwarten, ob dieser Ansatz tatsächlich zu einem Durchbruch in der KI-Forschung führen wird. Doch eines ist klar: Meta setzt auf eine neue Generation von KI-Systemen, die das Potenzial haben, die Art und Weise, wie wir mit Technologie interagieren, grundlegend zu verändern.