Yann LeCuns AMI sammelt 1 Mrd. USD für KI-Weltmodelle und stellt den LLM-Ansatz in Frage.

Was AMI entwickelt
Advanced Machine Intelligence (AMI), ein in Paris ansässiges Startup, das vom ehemaligen Chef-KI-Wissenschaftler von Meta, Yann LeCun, mitgegründet wurde, gab bekannt, dass es mehr als 1 Milliarde Dollar eingesammelt hat, um KI-Weltmodelle zu entwickeln. Die Finanzierung bewertet das Startup mit 3,5 Milliarden Dollar.
AMI zielt darauf ab, „eine neue Art von KI-Systemen zu bauen, die die Welt verstehen, ein dauerhaftes Gedächtnis haben, logisch denken und planen können sowie kontrollierbar und sicher sind.“ Das Startup stellt eine Wette gegen KI-Labore wie OpenAI, Anthropic und Meta dar, die glauben, dass die Skalierung von Sprachmodellen menschenähnliche Intelligenz hervorbringen wird.
LeCuns Argument gegen reine Sprachmodell-Ansätze
„Die Vorstellung, dass man die Fähigkeiten von Sprachmodellen so weit erweitern wird, dass sie menschenähnliche Intelligenz erreichen, ist völliger Unsinn“, sagte LeCun im Interview. Er argumentiert, dass das meiste menschliche Denken in der physischen Welt verankert ist, nicht in der Sprache.
LeCun lehnt Sprachmodelle nicht vollständig ab: „Es stimmt, dass [Sprachmodelle] wirklich gut darin werden, Code zu generieren, und es stimmt, dass sie wahrscheinlich in einem breiten Anwendungsbereich, in dem Codegenerierung helfen kann, noch nützlicher werden. Das sind viele Anwendungen, aber es wird überhaupt nicht zu menschenähnlicher Intelligenz führen.“
Praktische Anwendungen und Geschäftsmodell
AMI wird mit Unternehmen aus der Fertigung, Biomedizin, Robotik und anderen Branchen zusammenarbeiten, die über viele Daten verfügen. Zum Beispiel sagt LeCun, AMI könnte ein realistisches Weltmodell eines Flugzeugtriebwerks erstellen und mit dem Hersteller zusammenarbeiten, um bei der Optimierung der Effizienz, der Minimierung von Emissionen oder der Gewährleistung der Zuverlässigkeit zu helfen.
Die stärksten Anwendungen von Weltmodellen werden darin bestehen, sie an andere Unternehmen zu verkaufen, was nicht nahtlos in Metas Kerngeschäft mit Verbrauchern passt. LeCun sagt, er könne diese Technologie „schneller, billiger und besser außerhalb von Meta“ entwickeln und „die Entwicklungskosten mit anderen Unternehmen teilen“.
Wichtige Details über das Unternehmen
- Unter der gemeinsamen Leitung von Investoren wie Cathay Innovation, Greycroft, Hiro Capital, HV Capital und Bezos Expeditions
- Weitere Unterstützer sind Mark Cuban, der ehemalige Google-CEO Eric Schmidt und der französische Milliardär Xavier Niel
- Von Anfang an global mit Büros in Paris, Montreal, Singapur und New York
- LeCun wird weiterhin als Professor an der New York University arbeiten, während er das Startup leitet
- Zu den Mitgründern gehören ehemalige Meta-Führungskräfte Michael Rabbat, Laurent Solly und Pascale Fung
- Alexandre LeBrun (ehemaliger CEO von Nabla) ist CEO
- Saining Xie (ehemaliger Google DeepMind-Forscher) ist Chief Science Officer
Technischer Hintergrund und Open-Source-Pläne
LeCun arbeitet seit Jahren innerhalb von Meta an Weltmodellen, wo er das FAIR-Lab gegründet hat. Er entwickelte Metas Joint-Embedding Predictive Architecture (JEPA) als Teil dieser Forschung.
AMI plant, Open-Source-Technologie aufzubauen, wobei LeCun argumentiert, dass „künstliche Intelligenz zu mächtig ist, um von einem einzelnen Privatunternehmen kontrolliert zu werden.“ Obwohl Meta kein Investor ist, spricht LeCun mit dem Unternehmen über eine Zusammenarbeit, einschließlich der Möglichkeit, dass AMIs Weltmodelle Assistenten in Metas intelligenten Brillen antreiben.
📖 Read the full source: HN AI Agents
👀 Siehe auch

OpenAI und PNNL stellen DraftNEPABench für KI-Codierungsagenten im föderalen Genehmigungsverfahren vor
OpenAI und das Pacific Northwest National Laboratory haben DraftNEPABench veröffentlicht, einen Benchmark, der bewertet, wie KI-Coding-Agenten die Bundesgenehmigungsverfahren beschleunigen können. Erste Ergebnisse zeigen das Potenzial, die NEPA-Entwurfszeit um bis zu 15 % zu reduzieren.

Claude AI verbringt 81 Minuten mit 'echtem Denken' – Nutzermeldungen steigen rund um große Updates
Ein Nutzer berichtet, dass Claude AI 1 Stunde und 21 Minuten für eine einfache Aufgabe benötigte und vermutet, dass Leistungsspitzen kurz nach großen Updates auftreten. Beispiel: Eine Forschungsanfrage scannte in einer Sitzung 5.113 Quellen, später jedoch nur 100–200 Quellen für ähnliche Anfragen.

MCP vs. Skills Debatte: Die Rollen verstehen und das eigentliche Problem des Kontextverfalls
Ein Reddit-Beitrag klärt, dass MCP Werkzeuge, Authentifizierung und Kontextsteuerung für KI-Agenten bereitstellt, während Skills wiederverwendbare Prompts sind, die das Agentenverhalten definieren. Der Autor argumentiert, dass beides notwendig ist und identifiziert Kontextverfall als ein kritisches Problem, bei dem Agenten Anweisungen vergessen.

Anthropics März-Nutzungsaktion: Wie Nebenzeiten die Claude-Limits verdoppeln
Anthropic führt bis zum 27. März eine 2x-Nutzungspromotion außerhalb der Stoßzeiten durch, bei der Claude den verbrauchten Verbrauch während bestimmter Stunden als halb behandelt, wodurch sich Ihr 5-Stunden-Limit effektiv verdoppelt. Die Promotion funktioniert, indem die Zählung des Verbrauchs halbiert wird, anstatt einen separaten Nutzungspool bereitzustellen.