Warum Alexandre LeBrun von AMI Labs es vermeidet, seine KI als „AGI“ oder „Superintelligenz“ zu bezeichnen

Während andere KI-Unternehmen ihre Arbeit eilig als „AGI“ oder „Superintelligenz“ bezeichnen, vermeidet Alexandre LeBrun, CEO von AMI Labs – dem Weltmodell-Startup von Yann LeCun –, diese Begriffe gänzlich. In einem Interview mit TechCrunch erklärte LeBrun, das Unternehmen verwende niemals Begriffe wie „AGI“ oder „Superintelligenz“.

„Wir haben das Wort AGI nie verwendet. Und mir ist aufgefallen, dass es niemand mehr benutzt; man ist auf ‚Superintelligenz‘ umgestiegen“, sagte er. „Das nächste Mal werden wir zu etwas anderem wechseln.“ Auch von der neuen Bezeichnung ist er nicht überzeugt. „Es gibt keine gute Definition. Was ist Superintelligenz? Ich weiß es nicht. Es ist kein besonders nützlicher Begriff.“

Das ist eine pointierte Haltung eines Gründers, der im Zentrum des neuesten Wettlaufs um KI steht.

TechCrunch sprach mit LeBrun, als er letzte Woche in Seoul auf der International Conference on Machine Learning war, wo er nach lokalen Industriepartnern, globalen Unternehmen und Forschern Ausschau hielt. AMI Labs befindet sich noch in der Vorproduktionsphase, wirbt aber bereits um Akteure aus den Bereichen Robotik, Fertigung und Elektronik. Ein Weltmodell, das physikalische Gesetze einbezieht, um die reale Welt vorherzusagen und mit ihr zu interagieren, müsse sich außerhalb des Labors bewähren, erklärte LeBrun.

Ein Bereich, in dem Weltmodelle voraussichtlich einen großen Einfluss haben werden, ist die Robotik. Derzeit führen Roboter lediglich festgelegte Routinen aus, sind „völlig statisch“, und KI bleibt „in der physischen Welt wirklich dumm“, so LeBrun.

Selbst wenn KI Roboter lediglich „für den Kontext sensibilisieren“ könnte, würde dies „einen sehr großen Unterschied für die Welt“ bedeuten. Eine solche kontextbewusste KI wäre beispielsweise nützlich gewesen, um zu verhindern, dass ein Roboter, der bei einer öffentlichen Veranstaltung tanzte und Kung-Fu vorführte, sich einem Kind näherte und es trat. „Die Hardware ist sehr fortschrittlich; die Fortschritte bei der Hardware in den letzten Monaten sind unglaublich, aber es fehlt das Gehirn.“

Ein großes Sprachmodell (LLM) sagt das nächste Wort oder den nächsten Text voraus, während ein Weltmodell den nächsten Zustand vorhersagt. Schiebt man ein Glas vom Tisch, weiß man bereits, dass es umkippt und ausläuft; das ist die Intuition, die ein Weltmodell erfassen soll: die Vorhersage des nächsten Zustands der Welt, erklärte LeBrun.

Er behauptet nicht, dass Weltmodelle besser seien als LLMs; diese seien „komplementär, nicht ersetzbar“, wenn es um KI-Systeme gehe, die die physische Welt verstehen, so LeBrun. Er zog eine Parallele zu den unterschiedlichen Sprach- und Denkfunktionen des menschlichen Gehirns und fügte hinzu, dass LLMs die effizientesten Werkzeuge für die Sprachverarbeitung bleiben werden, während Weltmodelle Kontext und Verständnis der realen Welt liefern werden.

Nahezu jede Branche, die „mit der realen Welt in Berührung kommt“, könnte letztendlich Robotik auf Basis von Weltmodellen nutzen, so LeBrun. Er argumentierte, dass physische Umgebungen nach wie vor der Bereich seien, in dem LLMs am schwächsten seien.

Ein Fabrikroboter, der immer wieder dieselbe Bewegung ausführt, funktioniere heute schon gut genug, sagte er. Die Herausforderung beginne jedoch, wenn „man seinen Roboter nach draußen in eine offenere Umgebung bringt, in den eigenen Haushalt oder auf die Straße“, wo er seine Umgebung verstehen und sicher agieren müsse. „Roboter sind derzeit noch nicht sicher“, sagte er. „Dafür gibt es heute noch keine Lösung.“

Das Gesundheitswesen bietet für LeBrun ein persönlicheres Beispiel, da sein vorheriges Unternehmen Nabla war, ein KI-Start-up im Gesundheitsbereich. Er verglich die heutigen KI-Systeme mit einem Arzt, der ausschließlich anhand von Lehrbüchern ausgebildet wurde und keine Facharztausbildung absolviert hat. LLMs mögen in der Medizin nützlich sein, sagte er, aber sie decken „nur 1 % des Gesundheitswesens“ ab. Der Rest hänge von Erfahrungen aus der Praxis ab.

Ein Weltmodell, so LeBrun, könne jedoch nicht im Labor erstellt werden. Um anhand der Realität zu trainieren, benötige AMI reale Umgebungen und enge Partner, so der CEO. „Wir brauchen Zugang zur realen Welt“, und „mit Partnern fällt uns das leichter“. Das ist einer der Gründe, warum es ihn nach Asien zieht, wo sich die Roboter, Chips und Fabriken tatsächlich befinden.

LeBrun will seine Asien-Strategie noch nicht im Detail darlegen. „Es ist noch zu früh“, sagte er. Doch die Anziehungskraft Südkoreas lässt sich auf zwei Dinge zurückführen. Erstens verfügt Korea über fortschrittliche Industrien in den Bereichen Robotik, Halbleiter und Fertigung – also in den hardwareintensiven Sektoren, die von der ersten KI-Welle kaum berührt wurden.

Der zweite Anreiz ist die Geschwindigkeit. LeBrun verwies auf Koreas nationalen Plan, Geld in KI zu investieren, sowie auf die Erfolgsbilanz des Landes als Early Adopter. „Korea war vor 25 Jahren der schnellste Vorreiter beim Internet“, sagte er. Es ist diese Kombination – eine solide industrielle Basis gepaart mit der Bereitschaft, KI schnell zu integrieren –, die er als „einzigartig“ bezeichnet und die der Grund dafür ist, dass „wir vom ersten Tag an hier sein wollen“.

„Ich habe Alex und dem Team schon lange gesagt, sie sollen nach Korea kommen“, erklärte JP Lee, CEO von SBVA und einer der Geldgeber von AMI in Asien, gegenüber TechCrunch.

Die Regierung habe bei der Finanzierung lokaler, eigenständiger LLM-Modelle „hervorragende Arbeit“ geleistet, so Lee, und diese funktionierten bereits „gut genug“ für allgemeine Aufgaben; dennoch drängt er darauf, dass Korea auch weiterhin in physische KI investiert. Er verweist auf den im Juni vorgestellten Plan der Regierung in Seoul, rund 880 Milliarden Dollar für Chips, KI-Rechenzentren und physische KI bereitzustellen – als eine der drei erklärten Säulen: „Sie sollten nebeneinander bestehen.“

Der Wert Koreas für ausländische Unternehmen liege nicht nur in der Hardware, argumentierte Lee. Lokale Entwickler würden neue Tools schnell übernehmen und anpassen – ein Muster, das einheimische Internet-Akteure wie Naver und Kakao hervorgebracht habe.

Trotz aller Starpower und des Milliarden-Schecks hat AMI noch nichts zu verkaufen. Das Start-up, das vom Turing-Preisträger Yann LeCun nach seinem Ausscheiden bei Meta mitbegründet wurde, sammelte im März 1,03 Milliarden US-Dollar bei einer Pre-Money-Bewertung von 3,5 Milliarden US-Dollar ein. Es gibt noch kein Produkt und keinen Zeitplan, auf den er sich festlegen will. „Wir werden für eine Überraschung sorgen, wenn wir bereit sind“, sagte LeBrun.