KI News: Kurz und klar.

In den letzten Jahren haben große Sprachmodelle (LLMs), die mit Reinforcement Learning trainiert wurden, in Spielen, Mathematikaufgaben und Programmieraufgaben eine übermenschliche Leistung gezeigt. Diese Erfolge lassen sich jedoch kaum auf komplexe, kostenintensive Bereiche übertragen, in denen jede Interaktion mit der Umwelt mit hohen physischen, zeitlichen oder Ressourcenaufwendungen verbunden ist.

In einer neuen Studie von arXiv:2601.19834v1 wird gezeigt, wie visuelle Inhalte die Art und Weise verbessern, wie KI‑Systeme über die reale Welt nachdenken. Während aktuelle Modelle vor allem auf sprachbasierte „Chain‑of‑Thought“ (CoT) – also sequentielle, verbale Argumentationsketten – setzen, bleiben sie bei Aufgaben, die physische oder räumliche Intelligenz erfordern, weit hinter menschlichen Fähigkeiten zurück.

Nach Angaben der Times of India hat Sir Demis Hassabis, der Gründer und CEO von DeepMind, ChatGPT als „Sackgasse“ bezeichnet und betont, dass die KI‑Forschung ihre Aufmerksamkeit auf Weltmodelle verlagern müsse. Weltmodelle sind generative Systeme, die komplette Umgebungen simulieren können und damit ein viel breiteres Spektrum an Aufgaben bewältigen. Hassabis argumentiert, dass solche Modelle die Grundlage für eine wirklich allgemeine künstliche Intelligenz bilden und die derzeitigen Sprachmodelle, die stark auf Textdaten beschränkt sind, nicht mehr ausreichen. Seine Aussage unterstreicht die Notwendigkeit, die Forschung in Richtung umfassenderer KI‑Architekturen zu lenken und die Grenzen der aktuellen Technologie zu überwinden.

In der aktuellen Forschung wird Kreativität in künstlicher Intelligenz häufig anhand von Messgrößen wie Neuheit, Vielfalt oder Nützlichkeit bewertet. Diese evaluativen Ansätze liefern wertvolle Einblicke, behandeln Kreativität jedoch eher als zu bewertendes Merkmal als als zu modellierendes Phänomen. Der neue Beitrag von arXiv:2601.08388v1 schlägt einen anderen Blickwinkel vor: Kreativität als emergentes Ergebnis von generativen Modellen, die innerhalb begrenzter, domänenspezifischer Informationsumgebungen arbeiten.

Weltmodelle haben sich als entscheidend für die Leistungssteigerung von eingebetteten Agenten erwiesen. Während frühere Ansätze vor allem auf pixelbasierte Modelle setzen, stoßen diese in grafischen Benutzeroberflächen (GUI) häufig an ihre Grenzen – die Vorhersage komplexer visueller Elemente in zukünftigen Zuständen ist mit hoher Unsicherheit behaftet.

Forscher haben ein neues Konzept für Weltmodelle vorgestellt, das die Grenzen herkömmlicher Ansätze sprengt: Statt ausschließlich auf action‑beschrifteten Trajektorien zu setzen, lernen die Modelle aus einer Mischung aus interaktiven und passiven Daten. Durch die Einführung einer gemeinsamen latenten Aktionsdarstellung können beobachtete Steuerungsimpulse mit aus Videos oder anderen nicht‑interaktiven Quellen abgeleiteten Aktionen abgeglichen werden.

In der neuesten Studie von ArXiv 2512.06983v1 wird untersucht, wie Transformer‑basierte Weltmodelle ihre Gedächtnisleistung verbessern können. Weltmodelle ermöglichen es Agenten, innerhalb imaginärer Umgebungen zu planen, indem sie zukünftige Zustände anhand vergangener Beobachtungen und Aktionen vorhersagen. Ihre Fähigkeit, über lange Zeiträume zu planen, ist jedoch stark durch die effektive Speicherspanne der zugrunde liegenden Architektur begrenzt.

Weltmodelle werden zunehmend als sichere Testumgebung für KI-Agenten genutzt, bevor sie in der realen Welt eingesetzt werden. Trotz ihrer hohen Rechenintensität lässt sich die Modellierung oft deutlich effizienter gestalten, wenn man die natürliche Modularität von realen Szenarien ausnutzt.

In der Medizin wird zunehmend nach KI-Lösungen gesucht, die nicht nur vorhersagen, sondern auch zuverlässig und daten­effizient arbeiten. Traditionelle generative Modelle stoßen dabei an ihre Grenzen, weil sie weder die physikalische Struktur noch die zeitliche Logik von klinischen Abläufen erfassen. Weltmodelle bieten hier einen vielversprechenden Ansatz: Sie lernen multimodale, zeitlich kohärente und auf Aktionen konditionierte Repräsentationen, die die physikalische und kausale Struktur der Versorgung widerspiegeln.

In einer Zeit, in der künstliche Intelligenz rasant voranschreitet, stoßen aktuelle Systeme noch immer an ihre Grenzen, wenn es um komplexe, realweltliche Entscheidungsprozesse geht. Der neue Simulator „Mini Amusement Parks“ (MAPs) bietet dafür ein ganzheitliches Testfeld, das mehrere zentrale Herausforderungen gleichzeitig adressiert: die Modellierung von Umgebungsdynamiken aus wenigen Erfahrungen, die Planung über lange Zeiträume in unsicheren Situationen und die Verarbeitung räumlicher Informationen.

In einer neuen Studie aus dem arXiv-Repository wird ein innovatives System namens IPR vorgestellt, das menschliches physikalisches Denken durch Interaktion mit Spielen erlernen soll. Das Team hat über 1.000 heterogene Spiele zusammengestellt, um die Agenten in einer Game-to-Unseen (G2U)-Umgebung zu testen und dabei drei menschlich inspirierten Leistungsstufen – Survival, Curiosity und Utility – zu evaluieren.

In der aktuellen Forschung wird die Idee von „Weltmodellen“ in KI-Systemen immer populärer. Diese Modelle bilden interne Repräsentationen der Außenwelt nach, indem sie Entitäten, Zustände und kausale Zusammenhänge erfassen und damit Vorhersagen über mögliche Konsequenzen ermöglichen. Im Gegensatz zu reinen statistischen Korrelationen versuchen sie, die Welt in einer Weise zu simulieren, die dem menschlichen Denken näherkommt.

Jeder Mensch trägt ein mentales Modell davon, wie die Welt funktioniert.