Neueste KI-Modelle zeigen menschenähnliche Fähigkeiten beim Erstellen von Texten, Audio und Video auf Anfrage. Diese Algorithmen sind jedoch hauptsächlich auf den digitalen Bereich beschränkt, anstatt mit unserer physischen, dreidimensionalen Welt zu interagieren. Selbst die fortschrittlichsten Modelle stoßen auf erhebliche Herausforderungen, wenn sie in realen Szenarien angewendet werden, wie etwa dem anhaltenden Problem der Schaffung sicherer und zuverlässiger selbstfahrender Autos. Während diese Modelle künstlich intelligent sind, fehlt ihnen oft das Verständnis für Physik und sie neigen dazu, Halluzinationen zu erzeugen, was zu unerklärlichen Fehlern führt. Dies ist das Jahr, in dem KI vom digitalen Bereich in unsere reale Welt übergeht. Die Ausweitung des Einflusses der KI über die digitale Grenze hinaus erfordert ein Umdenken des maschinellen Denkens, indem die digitale Intelligenz der KI mit den mechanischen Fähigkeiten der Robotik kombiniert wird. Diese Fusion, die ich "physische Intelligenz" nenne, ermöglicht Maschinen das Verständnis dynamischer Umgebungen, das Management von Unvorhersehbarkeit und das Treffen von Entscheidungen in Echtzeit. Anders als herkömmliche KI-Modelle basiert physische Intelligenz auf Physik, indem grundlegende Prinzipien der realen Welt wie Ursache und Wirkung einbezogen werden. Solche Eigenschaften ermöglichen es, dass physische Intelligenz-Modelle sich in verschiedenen Umgebungen einbringen und anpassen können. In meiner MIT-Forschungsgruppe entwickeln wir physische Intelligenz-Modelle, die als Flüssignetzwerke bekannt sind.

In einem Experiment haben wir zwei Drohnen trainiert—eine mit einem Standard-KI-Modell und eine andere mit einem Flüssignetzwerk—um im Sommer Objekte in einem Wald zu lokalisieren, basierend auf Daten menschlicher Piloten. Während beide Drohnen bei den Aufgaben, für die sie trainiert wurden, ausgezeichnet abschnitten, passte sich nur die Flüssignetzwerk-Drohne an, um Objekte unter neuen Bedingungen zu finden, etwa im Winter oder in städtischen Umgebungen. Dieses Experiment zeigte, dass Flüssignetzwerke im Gegensatz zu herkömmlichen KI-Systemen aus Erfahrung kontinuierlich lernen und sich anpassen, ähnlich wie Menschen. Physische Intelligenz interpretiert und führt auch komplexe Befehle aus, die aus Texten oder Bildern abgeleitet sind, und überbrückt so digitale Anweisungen mit realer Handlung. Zum Beispiel haben wir in unserem Labor ein System geschaffen, das in der Lage ist, basierend auf Anweisungen wie "Roboter, der vorwärts gehen kann" oder "Roboter, der Objekte greifen kann" innerhalb von weniger als einer Minute kleine Roboter zu entwerfen und im 3D-Druck zu erstellen. Bedeutende Durchbrüche passieren auch in anderen Laboren. Das Robotik-Startup Covariant, geleitet von UC-Berkeley-Forscher Pieter Abbeel, entwickelt Chatbots ähnlich ChatGPT, die Roboterarme bedienen können. Sie haben über 222 Millionen Dollar gesammelt, um Sortierroboter weltweit in Lagern zu entwickeln und einzusetzen. Ein Team der Carnegie Mellon University hat gezeigt, dass ein Roboter mit einer einzigen Kamera und ungenauer Betätigung dynamische Parkour-Bewegungen durchführen kann, etwa das Springen auf Hindernisse doppelt so hoch wie er selbst und das Überqueren von Lücken doppelt so lang wie er selbst, mithilfe eines neuronalen Netzwerks, das durch Verstärkungslernen trainiert wurde. Wenn 2023 das Jahr des Text-zu-Bild und 2024 das Jahr des Text-zu-Video war, dann wird 2025 wahrscheinlich das Zeitalter der physischen Intelligenz einleiten. Diese neue Generation von Geräten, zu der nicht nur Roboter, sondern auch Systeme wie Stromnetze und intelligente Häuser gehören, wird in der Lage sein, Anweisungen zu interpretieren und Aufgaben in der realen Welt auszuführen.