Jensen Huang, CEO von NVIDIA, erklärte, dass die nächste Innovationswelle im Bereich der Künstlichen Intelligenz nicht bei den digitalen Fähigkeiten stehen bleiben wird, die wir bei generativer KI (Generative AI) sehen, sondern in eine fortgeschrittene Phase übergehen wird, die als 'Physische KI' (Physical AI) bekannt ist. Dies äußerte er während seiner Teilnahme am NVIDIA AI Summit Japan, wo er den radikalen Wandel in der Art und Weise hervorhob, wie intelligente Systeme mit der physischen Welt um sie herum interagieren.
Der Unterschied zwischen generativer und physischer KI
Während sich die aktuelle generative KI auf die Erstellung digitaler Inhalte wie Texte, Bilder und Programmiercodes konzentriert, zielt die physische KI darauf ab, Maschinen und Robotern zu ermöglichen, die physische Umgebung zu verstehen und mit hoher Präzision mit ihr zu interagieren. Dies bedeutet einen Übergang der Intelligenz von der reinen Datenverarbeitung innerhalb von Computerbildschirmen hin zur Fähigkeit der sensorischen Wahrnehmung und Entscheidungsfindung in Echtzeit in Fabriken, autonomen Fahrzeugen und komplexen Robotersystemen.
Was ändert sich in der Praxis?
Dieser Wandel stellt neue technische Anforderungen, die über die reine Cloud-Rechenleistung hinausgehen, da er Folgendes erfordert:
- Integration von Edge Computing: Um eine extrem schnelle Reaktionszeit der Maschinen beim Umgang mit Variablen der realen Welt zu gewährleisten.
- Verbindung zwischen Software und Hardware: Die Notwendigkeit von KI-Modellen, die die Gesetze der Physik und Bewegung verstehen, nicht nur sprachliche Muster.
- Entwicklung von Sensoren und Prozessoren: Verstärkte Abhängigkeit von spezialisierten Chips, die eine sofortige sensorische Wahrnehmung unterstützen.
Warum ist dieser Trend für Entwickler und die Industrie wichtig?
Dieser Trend stellt einen Wendepunkt in der Art und Weise dar, wie autonome Systeme gebaut werden. Für Entwickler besteht die Herausforderung nicht mehr nur im Training großer Sprachmodelle (LLMs), sondern im Aufbau von Modellen, die in unstrukturierten und unvorhersehbaren Umgebungen arbeiten können. Für die Industrie bedeutet dieser Übergang den Wechsel von der traditionellen, auf festen Regeln basierenden Automatisierung hin zu einer intelligenten Automatisierung, die in der Lage ist, sich anzupassen und aus der physischen Umgebung zu lernen, was beispiellose Möglichkeiten in der fortgeschrittenen Robotik und intelligenten Logistik eröffnet.