Fei Fei Li: De volgende AI-golf zal je wereld navigeren
Ruimtelijke intelligentie: Dr. Fei Fei Li benadrukt het belang van ruimtelijke intelligentie als de volgende grens in AI.
Wereldmodellen: Wereldmodellen voorspellen de volgende toestanden van fysieke omgevingen, in tegenstelling tot taalmodellen die zich richten op tekst.
Dataproblemen: Het verkrijgen van ruimtelijke gegevens is moeilijk en de gegevens zijn schaars, wat een belangrijke belemmering vormt voor de ontwikkeling van ruimtelijke AI.
Geleidelijke uitrol: De opkomst van ruimtelijke AI zal waarschijnlijk geleidelijk en domeinspecifiek verlopen, anders dan bij taal-AI.
Urgentie van voorbereiding: Organisaties moeten zich eerder dan later voorbereiden op de impact van ruimtelijke AI om valkuilen te vermijden.
De AI-tools die kenniswerk de afgelopen drie jaar hebben hervormd, delen een gemeenschappelijke beperking: ze bestaan volledig binnen het domein van taal.
Ze lezen, schrijven, vatten samen en genereren. Wat ze niet kunnen, is de fysieke wereld begrijpen: de geometrie van een magazijnvloer, de ruimtelijke logica van een chirurgische ingreep of de driedimensionale dynamiek van een productielijn.
In die leemte heeft Dr. Fei-Fei Li haar carrière opgebouwd.
Create a Free Account to Keep Reading—and Keep Leading Smarter
Unlock this piece and join a community of forward-thinking leaders discovering tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Tijdens haar toespraak bij HumanX gisteren betoogde de computerwetenschapper van Stanford en medeoprichter van World Labs dat ruimtelijke intelligentie, het vermogen van machines om de driedimensionale ruimte waar te nemen, daarin te redeneren en erin te handelen, de volgende betekenisvolle grens in de ontwikkeling van AI vormt. Het is geen vervanging voor taalmodellen, benadrukte ze. Het is een geheel andere categorie problemen.
Menselijke intelligentie is niet alleen talig. Denk aan alles wat we in ons dagelijks leven en in ons werk doen. Alles heeft te maken met de driedimensionale wereld, met ruimte, met bewegingen en met interactie.
Voor bedrijfsleiders die de afgelopen twee jaar werkprocessen hebben gereorganiseerd rond grote taalmodellen, vormt Li's argument een nuttige heroriëntatie. De productiviteitswinst door het genereren van AI-tekst is reëel, maar vertegenwoordigt slechts een smalle doorsnede van wat intelligentie, menselijk of machinaal, daadwerkelijk doet.
Het moeilijkere en ingrijpendere werk, het fysiek navigeren door omgevingen, het interpreteren van ruimtelijke gegevens en het opereren in de wereld in plaats van die te beschrijven, is grotendeels nog onopgelost.
Wat wereldmodellen doen
Li maakt een duidelijk onderscheid tussen taalmodellen en wat zij "wereldmodellen" noemt.
Waar een taalmodel het volgende token in een reeks voorspelt, voorspelt een wereldmodel de volgende toestand van een fysieke omgeving. Een tennisser die een service van 120 mph retourneert, doet iets dat meer op het laatste lijkt: de huidige toestand van de bal en het lichaam lezen en binnen milliseconden berekenen wat er daarna komt.
"Toestandsvoorspelling of toestandsgeneratie is fundamenteel voor ruimtelijke intelligentie,"
Het model van haar bedrijf, Marble genaamd, genereert echte driedimensionale werelden, geen video of platte afbeeldingen, maar blijvende 3D-omgevingen waarin kan worden genavigeerd en die kunnen worden aangepast en gebruikt als trainingsomgevingen voor toepassingen verderop in de keten.
De directe toepassingen die ze noemde, zijn leerzaam voor leiders die willen inschatten waar dit naartoe gaat.
Robottraining is er één: laboratoria gebruiken al gegenereerde 3D-omgevingen als synthetische gegevens om fysieke robots te trainen, waardoor ze minder afhankelijk zijn van kostbare en trage gegevensverzameling in de echte wereld. Radiologie is een ander voorbeeld. Het diagnosticeren van aandoeningen op basis van beeldgegevens is fundamenteel een ruimtelijk probleem. Een longknobbeltje bestaat in drie dimensies; een AI die alleen tweedimensionale beelden verwerkt, werkt met onvolledige informatie.
Zelfrijdende auto's zijn het meest zichtbare voorbeeld dat al op de markt is. Li verwees naar Tesla en Waymo als bedrijven die al functionele wereldmodellen binnen een gespecialiseerd domein hebben gebouwd.
"Vanuit dat perspectief beschikken we in dit zeer kritieke maar gespecialiseerde domein al over ruimtelijke intelligentie," zei ze.
Het dataprobleem
Li was rechtstreeks over de voornaamste beperking op vooruitgang. Rekenvermogen is duur, maar beschikbaar. Modelarchitectuur ontwikkelt zich verder. Gegevens vormen het moeilijke onderdeel.
Taalmodellen profiteerden van in wezen onbeperkt trainingsmateriaal: de verzamelde tekst van het internet, gedigitaliseerde boeken en getranscribeerde gesprekken. Ruimtelijke gegevens hebben geen vergelijkbaar corpus. Driedimensionale representaties van fysieke omgevingen zijn schaars, duur om te produceren en moeilijk te standaardiseren.
"Als je denkt dat er een tekort is aan 3D-gegevens over de wereld," zei Li, "dan is er een nog groter tekort aan robotica-gegevens."
Dit is geen abstract onderzoeksprobleem. Voor elke organisatie die van plan is fysieke AI te integreren, in productie, gezondheidszorg, logistiek of facilitair beheer, wordt de data-infrastructuur de beperkende factor.
De bedrijven die al ruimtelijke gegevens uit hun fysieke activiteiten vastleggen, via sensoren, beeldvormingssystemen of digitale tweelingen, bouwen aan een bedrijfsmiddel waarvan ze de waarde mogelijk nog niet volledig beseffen.
Geen ChatGPT-moment in zicht
Eén ding dat Li niet wilde beloven, is een keerpunt dat vergelijkbaar is met de introductie van ChatGPT, toen één consumentenproduct in één nacht een nieuwe klasse van AI-mogelijkheden bij het grote publiek bekendmaakte.
"Chat is zulk alomtegenwoordig consumentengedrag," zei ze, "en wanneer er sprake is van zulk alomtegenwoordig consumentengedrag, heb je een keerpunt."
Ze betwijfelt of ruimtelijke intelligentie op dezelfde manier zal ontstaan, omdat er mogelijk geen enkel, eenvoudig consumentengedrag is waaraan het zich kan vastklampen. Er is geen voor de hand liggend equivalent van het typen van een vraag in een chatvenster.
Dat betekent dat de uitrol van ruimtelijke AI waarschijnlijk domeinspecifiek en geleidelijk zal verlopen, in plaats van plotseling en universeel. Roboticalaboratoria, bedrijven voor medische beeldvorming, gameontwikkelaars en VFX-studio's zullen ermee te maken krijgen ruim voordat het een vast onderdeel wordt van gangbare bedrijfssoftware.
Voor CHRO's en COO's is die tijdlijn van belang. De druk om in actie te komen rond ruimtelijke AI is niet hetzelfde als de druk om begin 2023 in actie te komen rond taal-AI. Maar de periode om voorbereidingen te treffen is ook korter dan ze lijkt.
Het voorbereidende werk — begrijpen waar fysieke intelligentie je bedrijfsvoering zou kunnen veranderen, je ruimtelijke gegevensbestanden inventariseren en geletterdheid binnen je leiderschapsteam opbouwen — duurt langer dan het invoeren van een nieuw SaaS-product.
Li beschreef het huidige moment als een convergentie: architecturen van transformermodellen die voor taal zijn ontwikkeld, komen nu samen met vooruitgang op het gebied van computervisie en driedimensionale computertechnologie, waarop al jaren wordt voortgebouwd.
"Voor het eerst biedt dit ons de mogelijkheid om werkelijk enkele van de meest fundamentele problemen in AI op te lossen," zei ze.
Als organisaties die convergentie beschouwen als iets waar iemand anders zich maar druk over moet maken, zullen veel organisaties dezelfde fout maken als veel organisaties deden toen ChatGPT werd gelanceerd. Ze gingen ervan uit dat ze meer tijd hadden dan werkelijk het geval was.
