Angewandte Frontier #2: TBD | Frontier Labs
Description
Angewandte Frontier #2: WeltmodelleHören Sie auf, Token vorherzusagen, fangen Sie an, Welten zu simulieren.Angewandte Frontier ist ein intimes technisches Treffen für Entwickler, Forscher, Gründer und Ingenieure, die an der Spitze von KI-Systemen arbeiten.Die zweite Ausgabe geht tief in die Weltmodelle, den Wechsel von KI-Systemen, die das nächste Token vorhersagen, zu KI-Systemen, die ein internes Modell der Realität lernen und dieses Modell dann nutzen, um vorherzusagen, zu planen und zu handeln.In den letzten drei Jahren wurde die Frontier von Sprache bestimmt. Modelle lernten die Welt durch Text, Bilder, Videos und menschliche Beschreibungen. Sie konnten ein fallendes Glas beschreiben, verstanden aber nicht wirklich, was passiert, wenn es über seinen Schwerpunkt kippt. Sie konnten einen Raum generieren, aber sie konnten nicht zuverlässig simulieren, was geschieht, wenn ein Agent sich durch ihn bewegt.Diese Lücke wird nun zum Hauptthema.Fei-Fei Li hat die räumliche Intelligenz als eine der nächsten Fronten der KI bezeichnet. Yann LeCun hat argumentiert, dass die Vorhersage des nächsten Tokens allein nicht ausreicht und dass das fehlende Puzzlestück ein Modell der Welt ist, das vorwärts ausgeführt werden kann, um Planung zu unterstützen.Die Frage wird im gesamten Bereich schärfer:Können wir Modelle bauen, die nicht nur die Realität beschreiben, sondern sie simulieren?Ein Weltmodell ist ein erlerntes Simulationsmodell. Geben Sie ihm einen Zustand und eine Aktion, und es sagt voraus, was als Nächstes passiert. Einige Weltmodelle schaffen interaktive Umgebungen, durch die man gehen kann. Einige helfen Robotern, über physikalische Konsequenzen nachzudenken. Einige generieren synthetische Welten für Training und Bewertung. Einige sagen abstrakte zukünftige Zustände vorher, anstatt jedes Pixel zu rendern.Die zentrale Frage ist nicht, ob diese Systeme beeindruckend aussehen.Die Frage ist, ob sie nützlich sind, wenn ein Agent handeln muss.Was wir diskutieren werdenDie vier Wetten in einer FrontierWir werden die Hauptrichtungen vergleichen, die in Weltmodellen auftauchen: interaktive Simulation, räumliche Intelligenz, prädiktives Repräsentationslernen und physikalische KI-Infrastruktur.Dazu gehören Systeme wie DeepMinds Genie 3, Decarts Echtzeit-Weltmodelle, World Labs' Marble, Metas V-JEPA und NVIDIA Cosmos.Jedes dieser Systeme macht eine andere Wette darüber, was es bedeutet, die Welt zu modellieren, was generiert werden sollte, was vorhergesagt werden sollte und was tatsächlich nützlich für Agenten ist.Generative vs. prädiktive WeltmodelleEine Gruppe erzeugt die Zukunft in Pixeln und wettet darauf, dass Realismus zu Verständnis führt.Eine andere sagt abstrakte latente Zustände vorher und argumentiert, dass die meisten Pixel Details für Planung und Kontrolle irrelevant sind.Diese Wahl verändert alles downstream: Trainingsdaten, Bewertung, Rechenleistung, Speicher, Aktionskonditionierung, Kohärenz und ob das Modell tatsächlich die Entscheidungsfindung unterstützen kann.Von der Beobachtung zum HandelnEin Weltmodell verdient seinen Namen, wenn ein Agent gegen es planen kann.Wir werden diskutieren, was notwendig ist, um von passiver Videogenerierung zu aktionskonditionierter Simulation zu wechseln, von schönen Rollouts zu nützlichen kontrafaktischen Überlegungen und von "das sieht real aus" zu "das hilft einem Agenten, die richtige Aktion zu wählen".Welten als InfrastrukturWeltmodelle werden zur Infrastruktur für Robotik, autonomes Fahren, verkörperte Agenten, Spiele, synthetische Daten und geschlossene Tests.Wir werden über Szenariengenerierung, Abdeckung, Langzeitereignisse, digitale Zwillinge, Roboterschulung, simulationsbasierte Bewertung und die hartnäckige Lücke von der Simulation zur Realität sprechen, die immer noch die besten Demos kaputtmacht.Wo Weltmodelle versagenWeltmodelle scheitern oft auf subtile Weise.Physik kann richtig aussehen und trotzdem falsch sein. Objektpermanenz kann schwinden. Langzeitkohärenz kann zusammenbrechen. Agenten können Simulatorfehler ausnutzen. Visueller Realismus kann kausale Absurditäten verbergen.Die tiefere Frage bleibt offen:Lernen diese Systeme die Struktur der Welt oder sagen sie Pixel gut genug voraus, um uns zu täuschen?Für wen ist das?Dies ist für eine begrenzte Gruppe von hochgradig technischen Personen gedacht, die aktiv Weltmodelle und physikalische KI entwickeln, forschen oder ernsthaft erkunden.Sie sollten kommen, wenn Sie im Bereich KI-Engineering, Videogenerierung, Robotik, Verstärkendes Lernen, Simulation, 3D, Grafik, verkörperte Agenten, synthetische Daten, autonome Systeme oder Infrastruktur zur Bewertung von KI in geschlossenen Umgebungen arbeiten.Bringen Sie etwas Reales mit: ein Modell, das Sie bauen, ein Sim-to-Real-Fehler, ein Bewertungsproblem, eine Robotik-Geschichte, eine Pipeline für synthetische Daten, eine schwierige Forschungsfrage oder eine starke Meinung darüber, wo das Feld falsch liegt.Wie das funktioniertDies ist kein Networking-Treffen.Angewandte Frontier ist als technische Diskussion mit hoher Signalqualität für eine kleine Gruppe ernsthafter Entwickler konzipiert. Das Ziel ist, gemeinsam zu denken, Annahmen zu hinterfragen, Architekturen zu vergleichen und die Probleme zu thematisieren, die in polierten Demos nicht sichtbar werden.Erwarten Sie einen konzentrierten Raum, technische Gespräche und direkte Diskussionen darüber, was funktioniert, was bricht und was als Nächstes existieren muss.Warum es wichtig istSprachmodelle haben die Welt indirekt gelernt, durch das, was Menschen geschrieben, beschriftet, aufgenommen und hochgeladen haben.Weltmodelle versuchen, sie direkter zu lernen, durch Beobachtung, Interaktion, Vorhersage und Simulation.Dieser Wandel ist wichtig, weil die nächste Generation von KI-Systemen nicht nur Fragen beantworten wird. Sie werden sich durch Umgebungen bewegen, Maschinen betreiben, Software steuern, Roboter fahren, Entscheidungen testen und unter Unsicherheit planen.Zwei Modelle können mit dem gleichen Filmmaterial trainiert werden und in einer Demo gleichermaßen beeindruckend erscheinen. Eines kann genug Struktur lernen, um die Planung zu unterstützen. Das andere lernt vielleicht nur, plausible Frames zu rendern.Die Demo kennt möglicherweise den Unterschied nicht.Der Ingenieur schon.VeranstaltungsdetailsDatum: Donnerstag, 30. Juli 2026Uhrzeit: 18:00 bis 21:00 UhrOrt: 111 Maiden Ln #540, San Francisco, CA 94108Format: Technische Diskussion und Austausch in kleinen GruppenKapazität: Begrenzte PlätzeZugang: Eine vorherige Anmeldung ist erforderlich. Teilnehmer sollten einen gültigen physischen Personalausweis zur Kontrolle mitbringen.
Highlights
Die vier Wetten auf einer FrontierGenerative vs. prädiktive WeltmodelleVon der Beobachtung zum HandelnWelten als InfrastrukturWo Weltmodelle versagen
Event location
Let your network know you're going
Share this event to start conversations, invite colleagues, and connect before it begins.