Een terughoudende benadering in een lawaaierige markt
Terwijl veel start‑ups hun technologieën opscheppen als “AGI” of “superintelligence”, kiest Alexandre LeBrun, de directeur‑algemeen van AMI Labs, ervoor deze termen volledig te vermijden. In een interview met TechCrunch benadrukte hij dat er geen duidelijke definitie bestaat voor ‘superintelligentie’ en dat het label weinig praktisch nut biedt. Deze kritische houding komt van een ondernemer die zich midden in de huidige “AI‑race” bevindt, maar juist wil focussen op tastbare resultaten.
World models versus grote taalmodellen
AMI Labs ontwikkelt een ‘world model’, een model dat fysische wetten integreert om de volgende toestand van de omgeving te voorspellen. In tegenstelling tot een groot taalmodel (LLM) dat de meest waarschijnlijke volgende woorden genereert, probeert een world model te voorspellen hoe een glas dat van een tafel valt zal breken en wat er vervolgens gebeurt. LeBrun stelt dat beide benaderingen complementair zijn: LLM’s blijven het krachtigste instrument voor tekstverwerking, terwijl world models context en begrip van de echte wereld leveren.
Robotica als testgrond
De grootste impact van world models wordt verwacht in de robotica. Huidige robots voeren vaak starre, vaste routines uit en missen het vermogen om zich veilig aan te passen aan dynamische omgevingen. LeBrun schetst een scenario waarin een robot die een choreografie uitvoert op een publiek niet zomaar een kind zou kunnen raken wanneer deze onverwacht dichterbij komt. “De hardware is verbluffend, maar er ontbreekt een brein,” aldus LeBrun. Om die kloof te overbruggen, zoekt AMI Labs partners in de industrie die echte, ruwe omgevingen kunnen leveren voor training.
Van fabrieken naar huishoudens
In een gecontroleerde productieomgeving kunnen robots al prima hun taken herhalen. De echte uitdaging ontstaat wanneer men ze laat opereren in open, onvoorspelbare settings zoals huishoudens of straten. Hier moet een robot niet alleen objecten herkennen, maar ook contextuele informatie interpreteren en veilig handelen. Volgens LeBrun is er vandaag nog geen oplossing die deze veiligheid garandeert.
Gezondheidszorg: een persoonlijk voorbeeld
LeBrun, die eerder Nabla oprichtte – een AI‑startup gericht op de gezondheidssector – vergelijkt huidige AI‑systemen met een arts die alleen op basis van een handboek studeert, zonder klinische ervaring. LLM’s kunnen nuttig zijn voor het verwerken van medische literatuur, maar ze beslaan naar eigen zeggen slechts één procent van de zorg; de rest vereist real‑world ervaring die alleen een world model kan benaderen.
Strategische focus op Azië
Omdat de realiteit van robotica, chips en fabrieken zich vooral in Azië bevindt, trekt LeBrun naar Zuid‑Korea. Het land combineert geavanceerde robotica, semiconductor‑productie en een sterke industriële basis – precies de omgeving die AMI Labs nodig heeft om hun modellen buiten het lab te testen. Hoewel hij nog geen volledige Azië‑strategie heeft onthuld, onderstreept hij dat partnerschappen met lokale spelers cruciaal zijn om toegang te krijgen tot de nodige fysieke data.