Fei-Fei Li, een ervaren onderzoeker op het gebied van kunstmatige intelligentie, heeft een nieuw raamwerk voor wereldmodellen uiteengezet dat machines een veel dieper begrip van fysieke ruimte moet geven. Het voorstel, als het slaagt, zou robots in staat kunnen stellen om hun omgeving te navigeren en te manipuleren met een niveau van begrip dat de huidige AI grotendeels mist.
Waarom wereldmodellen belangrijk zijn
De meeste AI-systemen van vandaag zien de wereld als platte afbeeldingen of abstracte gegevens. Ze begrijpen niet echt dat een stoel iets is om op te zitten, dat je niet door een muur kunt lopen, of dat een kopje valt als het van een tafel wordt geduwd. Li's raamwerk probeert dat te verhelpen door te bouwen aan wat zij een wereldmodel noemt — een interne representatie van de omgeving die geometrie, fysica en de relaties tussen objecten omvat.
Dat soort ruimtelijke intelligentie is cruciaal voor robots die moeten werken in huizen, magazijnen of ziekenhuizen. Een stofzuiger die hoeken niet begrijpt, botst ertegenaan. Een bezorgdrone die de wind niet kan voorspellen, laat misschien een pakket vallen. Li's aanpak belooft verder te gaan dan deze beperkingen door een AI mogelijke acties te laten simuleren voordat ze worden uitgevoerd.
Van simulatie naar werkelijkheid
Het raamwerk gaat niet alleen om betere kaarten. Het gaat om leren hoe de wereld zich gedraagt. Het model zou hypothetische scenario's doorlopen — wat gebeurt er als de robot een doos duwt, of als een persoon ervoor loopt — en zijn begrip bijwerken op basis van wat er werkelijk gebeurt. Die feedbacklus zou robots adaptiever en veiliger kunnen maken.
Li werkt al jaren aan ruimtelijke intelligentie. Haar eerdere onderzoek naar beeldherkenning hielp computers om objecten te identificeren. Deze nieuwe inspanning gaat een stap verder: niet alleen zien, maar redeneren over de ruimte. Het wereldmodel fungeert als een soort interne fysica-engine, waardoor de AI uitkomsten kan voorspellen zonder elke actie in de echte wereld te hoeven proberen.
Uitdagingen voor de toekomst
Het bouwen van een betrouwbaar wereldmodel is moeilijk. Echte omgevingen zijn rommelig. Verlichting verandert, objecten bewegen, mensen gedragen zich onvoorspelbaar. Li's raamwerk zal die chaos moeten kunnen verwerken zonder in te storten. De rekenkosten zijn ook hoog — het uitvoeren van gedetailleerde simulaties voor elke beslissing kost veel verwerkingskracht.
De onderzoekster heeft nog geen resultaten van een grootschalige test gepubliceerd. Het raamwerk wordt beschreven in een recent artikel, maar de echte test zal zijn of het werkt buiten een laboratorium. Een robot die onderweg een wereldmodel kan bouwen en gebruiken, zou een grote sprong voorwaarts betekenen ten opzichte van de huidige systemen, die meestal vertrouwen op voorgeprogrammeerde regels of enorme datasets van gelabelde voorbeelden.
Andere laboratoria werken in vergelijkbare richtingen. DeepMind, OpenAI en een handvol universitaire groepen hebben allemaal wereldmodelideeën voorgesteld. Li's versie springt eruit vanwege haar focus op ruimtelijk redeneren — het soort begrip dat een mens gebruikt om door een drukke kamer te lopen zonder tegen iemand aan te botsen.
Of het raamwerk kan worden opgeschaald van simulaties naar rommelige, dynamische omgevingen is een open vraag. Li's team werkt daar waarschijnlijk aan, maar er is geen tijdlijn gegeven voor een werkend prototype.
