Die AMI Labs von Yann LeCun entwickeln ein JEPA-Weltmodell, um die KI über große Sprachmodelle hinaus voranzutreiben

Turing-Award-Gewinner Yann LeCun sagt, dass die berühmtesten KI-Systeme von heute kein Weg zu wirklich intelligenten Maschinen seien. In seinem in Paris ansässigen Startup Advanced Machine Intelligence Labs (AMI Labs) baut der ehemalige Chef-KI-Wissenschaftler von Meta ein grundlegend anderes Modell, das die physische Welt so verstehen soll, wie es eine Ratte oder ein Kleinkind kann.

In einem Gespräch mit der BBC am Rande der VivaTech-Konferenz in Paris argumentierte LeCun, dass große Sprachmodelle wie ChatGPT, Claude und Gemini einen echten Nutzen haben, aber eine harte Obergrenze haben. Weitere Informationen zur KI-Branchenberichterstattung, die die Art und Weise beeinflusst, wie Forscher und Investoren über diese Grenzen denken, finden Sie hier: Die breitere Debatte darüber, was nach der LLM-Ära kommt, ist zu einer der folgenreichsten Fragen auf diesem Gebiet geworden.

„Wir haben keine Roboter, die die physische Welt annähernd so gut verstehen wie eine Ratte“, sagte LeCun. Er verließ Facebook-Inhaber Meta im Jahr 2025 nach einem Jahrzehnt als Chef-KI-Wissenschaftler und gründete AMI Labs, um eine alternative Architektur zu verfolgen.

Warum LeCun sagt, dass LLMs nicht ausreichen

LeCun behauptet, dass LLMs bei klar definierten, vorhersehbaren Aufgaben wie Codierung, Lösen mathematischer Probleme und Textgenerierung hervorragende Leistungen erbringen. Aber er argumentiert, dass diese Stärken eine tiefere Beschränkung verschleiern: Die Systeme manipulieren eher statistische Muster als Überlegungen zur Realität.

„Sie sammeln im Grunde nur Wissen an“, sagte er über LLMs. „Sie können etwas erbrechen, man bringt ihnen das Erbrechen bei, aber sie sind nicht besonders schlau. Sie haben kein grundlegendes Verständnis.“

Um die Lücke zu veranschaulichen, balanciert LeCun einen Stift aufrecht auf seiner Spitze und lässt los. Sogar ein Kleinkind weiß, dass der Stift umkippen wird, bemerkt er, aber kein Mensch würde versuchen, die genaue Richtung vorherzusagen, in die er fällt, weil dieser Ausgang wirklich ungewiss ist. Im Gegensatz dazu würde ein LLM versuchen, eine einzelne Vorhersage basierend auf Mustern in seinen Trainingsdaten zu generieren. Diese Vorhersage wäre mit ziemlicher Sicherheit falsch, da das Modell keine Überlegungen zur physikalischen Situation anstellt; es produziert etwas, das statistisch plausibel erscheint.

„LLMs sind für die Robotik weitgehend aussichtslos“, sagte LeCun unverblümt. „Die Behauptungen, dass wir durch die bloße Ausweitung der LLMs irgendwie übermenschliche Intelligenz erreichen werden, das wird einfach nicht passieren.“

Wie JEPA funktioniert

Die von AMI Labs entwickelte Architektur heißt Joint Embedding Predictive Architecture (JEPA). Anstatt das nächste Wort oder Pixel vorherzusagen, erstellt JEPA Abstraktionen der realen Welt, die es ermöglichen, die möglichen Ergebnisse einer Aktion abzuwägen.

Die Erstellung dieser Abstraktionen erfordert komplexe Mathematik, aber das Prinzip ist einfach: Das Modell filtert nutzlose Details heraus und hinterlässt nur nützliche Darstellungen der Welt. Im Beispiel des Stifts würde ein JEPA-basiertes System verstehen, dass es sinnlos ist, die genaue Richtung des Absturzes vorherzusagen, und würde stattdessen die Situation auf der Abstraktionsebene darstellen, die tatsächlich für die Entscheidungsfindung von Bedeutung ist.

Der Ansatz ordnet AMI Labs einer wachsenden Bewegung rund um sogenannte Weltmodelle zu, die darauf abzielen, KI-Systemen eine interne Simulation des Verhaltens von Umgebungen zu geben, damit sie planen und handeln können, anstatt nur Text zu generieren.

Ein Wettbewerbsumfeld

Investoren wetten, dass LeCun etwas auf der Spur ist. Anfang 2026 gab AMI Labs bekannt, dass es in einer Seed-Finanzierungsrunde mehr als 1 Milliarde US-Dollar (760 Millionen Pfund) eingesammelt hat. Zu den Geldgebern zählen der US-Chipriese Nvidia und der Fonds, der das Privatvermögen des Amazon-Gründers Jeff Bezos verwaltet. Es war eine der größten Seed-Runden in der europäischen Startup-Geschichte.

AMI Labs ist im Rennen bei weitem nicht allein. An der Universität Oxford leitet Professor Ingmar Posner das Applied AI Lab und leitet ein etwa zehnköpfiges Team, das vier Jahre lang an einem alternativen Ansatz gearbeitet hat, den er ein „mechanistisches Weltmodell“ nennt und das Wissen so strukturiert, dass die KI es effizient abrufen, kombinieren und modifizieren kann.

„Meiner Ansicht nach wird es im nächsten Jahrzehnt wirklich um Systeme gehen, die erklären können“, sagte Posner gegenüber der BBC. „Man braucht Modelle, die Fragen beantworten können wie: Was zählt? Was verursacht was? Was würde passieren, wenn ich etwas anderes tun würde?“

Diese Abstammung geht auf eine einflussreiche Arbeit von David Ha und Jürgen Schmidhuber aus dem Jahr 2018 zurück, in der argumentiert wurde, dass Fortschritte in der Computertechnik und beim maschinellen Lernen es einer KI ermöglichen könnten, Aufgaben ausschließlich aus einer erlernten mentalen Simulation der Welt zu lernen. Die Idee hat seitdem bedeutende Forschungen vorangetrieben, darunter das Dreamer-Weltmodell von Google, eine Variante davon, die sich selbst das Sammeln von Diamanten in Minecraft beibrachte, indem sie sich Zukunftsszenarien vorstellte. DeepMind von Alphabet setzt die Arbeit mit seinem Genie-Modell fort, Wayve mit Sitz in London verfügt über ein System namens Gaia und KI-Pionier Fei-Fei Li gründete 2023 World Labs in San Francisco, um ähnliche Ziele zu verfolgen.

Der Robotik-Imperativ

Der Vorstoß zu Weltmodellen wird zu einem großen Teil von der Robotikindustrie vorangetrieben, die Milliarden von Dollar in humanoide Roboter gesteckt hat, deren körperliche Leistungen von Jahr zu Jahr beeindruckender werden. Aber es bleibt schwierig und teuer, diese Maschinen für die sichere Ausführung von Haushaltsaufgaben wie Bügeln oder Beladen einer Spülmaschine zu trainieren, und LeCun besteht darauf, dass aktuelle KI-Modelle für diese Umgebung niemals gut genug sein werden.

LeCun sagte, AMI Labs werde den Rest des Jahres 2026 damit verbringen, sein Modell zu verfeinern, und hofft, es im Jahr 2027 in industriellen Umgebungen einsetzen zu können. Wenn sich das als erfolgreich erweist, werden die Ambitionen erheblich ausgeweitet.

„Irgendwann werden wir eine Art allgemeines generisches Intelligenzsystem haben, das mit minimaler Schulung oder Feinabstimmung auf nahezu alles auf der Welt angewendet werden kann“, sagte er.

Was die Zukunft der Menschen betrifft, ist LeCun zuversichtlich. Die Menschen würden immer noch entscheiden, was sie bauen und welche Fragen sie stellen würden, während die KI als kompetenter Stellvertreter agiere.

„Unsere Interaktion mit zukünftigen KI-Systemen, auch wenn sie schlauer sind als wir, wird wie die Interaktion zwischen einem Industriekapitän oder einem politischen Führer und seinem Stab aus Assistenten sein, von denen viele schlauer sind als sie.“

Bleiben Sie der KI immer einen Schritt voraus

Der Übergang von Sprachmodellen zu Weltmodellen könnte die Wettbewerbskarte der künstlichen Intelligenz neu gestalten. Verfolgen Sie die neuesten KI-Entwicklungen, während sie sich entfalten.

Weitere KI-Neuigkeiten lesen →