Fei-Fei Li, mens AMD køber World Labs: »Universet består ikke af ord, men af virkelige ting…«

Fei-Fei Li er forskeren, hvis arbejde lærte maskiner at se, og hun har netop solgt det laboratorium, hun byggede for at føre AI videre end sproget. Da hun offentliggjorde, at World Labs bliver en del af AMD, chipproducenten ledet af hendes tidlige investor Lisa Su, gentog hun i én enkelt sætning den overbevisning, virksomheden blev grundlagt på – en sætning, der også er et væddemål imod AI-æraen, hvor alt begynder med ord.

»Universet består ikke af ord, men af virkelige ting. Mange af de vigtigste problemer, AI skal løse – fra videnskab til underholdning og robotteknologi – kræver modeller, der kan ræsonnere over den fysiske verdens struktur og adfærd.«

Li skrev det i »World Labs to AMD«, et indlæg på sin Substack-blog, og The Register citerede det i sin artikel om aftalen. Sætningen lige før slår præmissen fast: Virksomheden var »styret af den grundlæggende overbevisning, at sprog alene ikke er tilstrækkeligt til at udvikle modeller«.

AMD har indgået en aftale om at købe World Labs i en aktiehandel til en værdi af cirka 8,2 milliarder dollar. Handlen forventes gennemført inden udgangen af 2026, hvis myndighederne godkender den. Li bliver koncerndirektør og chefforsker hos AMD og refererer direkte til Su. Laboratoriet i San Francisco, som hun grundlagde sammen med Ben Mildenhall og Justin Johnson i begyndelsen af 2024, udvikler det, branchen kalder verdensmodeller: systemer, der skaber, rekonstruerer og simulerer 3D-miljøer ud fra tekst, billeder og video. Hvor en stor sprogmodel forudsiger det næste ord, forestiller en verdensmodel sig ifølge The Register omgivelserne og tager fat på problemet derfra.

Den nærliggende fortolkning er at sætte sætningen i bås med Yann LeCun, Metas tidligere chefforsker inden for AI, som har antydet, at store sprogmodeller kan være en blindgyde. Lis udlægning er mere afgrænset; The Register var omhyggelig med at understrege, at hun ikke er imod store sprogmodeller. Hendes laboratoriums nyeste model låner greb fra sprogmodellerne: Atlas forudsiger ifølge Li det næste syn ud fra en række 2D-billeder, ligesom en sprogmodel forudsiger det næste token. Hendes indvending handler ikke om metoden, men om materialet. Tekst er en registrering af verden, skrevet af mennesker; hendes pointe er, at de problemer, det er værd at løse – fra videnskab til underholdning og robotteknologi – findes i det, teksten beskriver.

Det, der gør sætningen betydningsfuld, er, hvem der har betalt for den. En chipproducent bruger ikke milliarder i aktier på en filosofi. AMD begrunder købet med regnekraft og bemærker, at »kravene til infrastrukturen for regnekraft bliver mere forskelligartede«, efterhånden som AI breder sig til robotteknologi, simulering og fysisk AI. Su afslører selv tankegangen: »At bygge regneplatformene til næste generation af AI kræver en dyb forståelse af, hvordan modellerne udvikler sig.« Sagt ligeud: AMD vil se den næste type arbejdsopgave, før virksomheden designer de chips, der skal håndtere den. The Register bemærker, at AMD’s softwareudviklingsteam er ganske lille sammenlignet med Nvidias; World Labs giver AMD et internt forskningsteam, blot få uger efter at virksomheden indgik en aftale om at købe Taalas, en startup, der indbygger modelvægte direkte i silicium.

Li beskriver den samme mekanisme fra den anden side. »Uden en målrettet indsats på hardwareområdet bliver AI hæmmet, når det gælder effektivitet. Og skala. Og for vores formål forbliver AI fanget i den digitale verden,« skriver hun. Det er det konkrete indhold i citatet. En model, der ræsonnerer om fysisk rum, er kun så nyttig som den maskine, der kan køre den hurtigt nok til at styre en robot, og Li har besluttet, at den hurtigste vej til den maskine er at flytte ind i virksomheden, der fremstiller den.

Sætningen vejer tungt på grund af den karriere, der ligger bag. Li gik ind i feltet i 2000 med jagten på visuel intelligens – både i maskiner og i hjernen. ImageNet-arbejdet fra hendes laboratorium var med til at indlede den moderne AI-æra; senere grundlagde hun Google Clouds AI-enhed som chefforsker og blev den første direktør for Stanford’s Human-Centered AI Institute. Et kvart århundrede senere er argumentet det samme. Men indsatsen er blevet større. Når aftalen er gennemført, vil professoren, der fremførte argumentet, referere til Su.

Hvis hun har ret, har AMD købt sig et tidligt indblik i de arbejdsopgaver, der kommer til at præge næste generation af AI-hardware. Hvis hun tager fejl, og sproget fortsat kommer til at opsluge det hele, har AMD købt en dyr sikring – præcis sådan som The Register læste aftalen: som en forsikring mod, at store sprogmodeller viser sig at være en blindgyde.

Lis sætning begynder som en påstand om universet. Når aftalen er gennemført, vil den være et specifikationsark.

Tags: AMD, Fei-Fei Li, World Labs, World models