Alexandre LeBrun, az AMI Labs vezérigazgatója világosan kijelentette, hogy a cégnél nem használják az „AGI” (általános mesterséges intelligencia) vagy a „szuperintelligencia” kifejezéseket. LeBrun a TechCrunchnak adott interjúban azt mondta: „Sosem használtuk az AGI szót. És most észrevettem, hogy senki sem használja már; átváltottak a szuperintelligenciára. Legközelebb majd valami másra váltanak.” Hozzátette, hogy szerinte ezek a címkék nem jól definiáltak, és nem különösebben hasznosak.
Miért a világmodellekre koncentrál az AMI Labs?
AMI Labs azokra a modellekre — úgynevezett world modellekre — fókuszál, amelyek a fizika törvényeit is figyelembe véve képesek előre jelezni a fizikai világ következő állapotát. LeBrun elmagyarázta a különbséget: míg egy nagy nyelvi modell (LLM) a következő szót vagy szövegrészt próbálja megjósolni, egy világmodell a következő világállapotot prognosztizálja. Egy egyszerű intuíció: ha meglökünk egy poharat az asztalról, a világmodell megjósolja, hogy az borulni fog és kiömlik.
LeBrun szerint a világmodelleknek a laboratóriumi kísérleteken túl is bizonyítaniuk kell, ezért az AMI Labs ipari partnereket keres robotika, gyártás és elektronika területeken. A cég jelenleg még pre‑product állapotban van, de aktívan tárgyal potenciális partnerekkel.
Robotika és a fizikai világ kihívásai
A világmodellektől várhatóan nagy hatásuk lesz a robotikára. LeBrun rámutatott, hogy a legtöbb ma működő robot előre meghatározott, statikus rutinokat követ, és „az AI a fizikai világban még mindig igazán ostoba”. Már az is jelentős előrelépés volna, ha a robotok „tudatában lennének a kontextusnak”: példaként említette azt az esetet, amikor egy közönség előtt táncoló, kung‑fu mozdulatokat bemutató robot egy gyerek felé lépett és megpróbálta rúgni — egy kontextusérzékeny rendszer ezt megelőzhette volna.
Bár a hardver az elmúlt hónapokban látványos előrelépést mutatott, LeBrun szerint hiányzik a „agy”: a szenzációsan fejlődő chipek és szerkezetek mellett még nincs meg a megbízható, biztonságos döntéshozatal a fizikai térben.
LLM-ek és világmodellek: kiegészítők, nem helyettesítők
LeBrun hangsúlyozta, hogy nem állítja, a világmodellek jobbak lennének a nagy nyelvi modelleknél; szerinte a kettő kiegészíti egymást. Hasonlatot húzott az emberi agy különböző nyelvi és következtetési funkcióihoz: az LLM‑ek maradnak a leghatékonyabb eszközök a nyelvfeldolgozásra, míg a világmodellek a kontextus és a valós világ megértését szolgálják.
LeBrun úgy véli, hogy szinte minden olyan iparág, amely „érintkezik a valós világgal”, később profitálhat a világmodellekre épülő robotikából. Ma egy gyári robot, amely ismétlődő mozdulatot végez, elegendően működik; a valódi kihívás akkor kezdődik, amikor a robotot nyíltabb környezetbe viszik — otthonokba vagy utcára — és ott biztonságosan kell működnie. „A robotok jelenleg nem biztonságosak” — fogalmazott.
Egészségügy: a valós tapasztalat súlya
LeBrun személyes korábbi tapasztalataira is hivatkozott; előző vállalkozása a Nabla nevű AI‑egészségügyi startup volt. Az aktuális AI‑rendszereket olyan orvoshoz hasonlította, aki csak tankönyvekből tanult, és nem végzett szakmai gyakorlatot (rezidenciát). Szerinte az LLM‑ek hasznosak lehetnek az orvostudományban, de jelenleg csak „az egészségügy 1%-át” fedik le; a többi a valós tapasztalaton és helyzetismereten múlik.
A valós világhoz való hozzáférés és ázsiai terjeszkedés
LeBrun hangsúlyozta, hogy világmodellt laborban nem lehet teljes egészében felépíteni: az AMI‑nak valódi környezetekre és szoros partnerekre van szüksége a tanuláshoz. Ez az egyik oka annak, hogy vonzódnak Ázsiához, ahol a robotok, a chipek és a gyárak fizikailag jelen vannak.
Bár LeBrun még nem részletezte teljes ázsiai stratégiáját — „túl korai” —, két okot említett, amiért különösen Dél‑Korea érdekes a számukra. Először is, Korea fejlett ipari bázissal rendelkezik robotika, félvezetők és gyártás terén; ezek azok a hardver‑intenzív szektorok, amelyeket az első AI‑hullám alig érintett. Másodszor a sebesség: Korea állami tervei és korai technológiaelfogadó múltja miatt gyorsan képes új megoldásokat alkalmazni. LeBrun megjegyezte, hogy „Korea 25 évvel ezelőtt volt a leggyorsabb az internet elfogadásában”, és ezt a kombinációt — mély ipari alap plusz gyors alkalmazkodás — „egyedinek” tartja.
JP Lee, az SBVA vezérigazgatója és az AMI egyik ázsiai támogatója, a TechCrunchnak azt mondta, hogy a kormány kiváló munkát végzett a helyi szuverén LLM‑modellek finanszírozásában, amelyek „elég jól” teljesítenek általános feladatoknál. Ugyanakkor Lee azt sürgeti, hogy Korea fektessen többet a fizikai AI‑ba is. Hivatkozott Szöul júniusi tervére, amely körülbelül 880 milliárd dollárt (mobilizálható forrásként) különít el chipekre, AI‑adatközpontokra és fizikai AI‑ra, és azt mondta: „Ezeknek együtt kell létezniük.” Lee emelte továbbá, hogy a koreai fejlesztők gyorsan veszik át és adaptálják az új eszközöket, ami helyi internetes szereplők létrejöttéhez, például a Naverhez és a Kakaohoz vezetett.
Pénzügyi háttér és termékterv hiánya
Az AMI Labs, amelyet Yann LeCun Turing‑díjas kutató alapított Meta‑távozása után, már jelentős befektetői figyelmet kapott: a startup idén márciusban 1,03 milliárd dollárt emelt 3,5 milliárd dolláros pre‑money értékeléssel. Ennek ellenére jelenleg nincs piacra dobható termékük, és LeBrun nem vállalt konkrét ütemtervet a megjelenésre vonatkozóan. „Meglepetést fogunk okozni, amikor készen állunk” — fogalmazott.
Összegzés
AMI Labs a címkékkel szemben a fizikai világban használható modellek építésére koncentrál: nem foglalkozik az „AGI” vagy „szuperintelligencia” szavakkal, hanem olyan világmodelleken dolgozik, amelyek a valós környezetből szerzett tapasztalatokra támaszkodnak. A cég partnereket keres főként robotikai és gyártási szereplők között, és aktívan vizsgálja a dél‑koreai együttműködési lehetőségeket, ahol a hardver és a gyors alkalmazkodás miatt különösen vonzónak találja a feltételeket.
