Der Aufstieg generativer KI-Chatbots hat den Begriff „großes Sprachmodell“ populär gemacht, die zugrunde liegende KI-Technologie, die hinter den Kulissen arbeitet. Große Sprachmodelle (LLMs) erzeugen als Reaktion auf Benutzereingaben eine Ausgabe basierend auf einem vorhergesagten Satz von Sprachen, sodass es so aussieht, als ob die KI in der Lage wäre, selbstständig zu denken.

Aber LLMs sind nicht die einzigen großen Modelle in der Stadt; Große Aktionsmodelle (LAMs) könnten das nächste große Ding in der KI sein.

Was ist ein Large Action Model (LAM)?

Ein LAM ist ein künstliches Intelligenzsystem, das in der Lage ist, menschliche Eingaben zu verstehen und eine entsprechende Aktion auszuführen. Dies ist ein etwas anderer Ansatz als KI-Systeme, die sich ausschließlich auf die Generierung von Antworten konzentrieren. Der Begriff „großes Aktionsmodell“ wurde erstmals von Rabbit Inc. eingeführt, den Entwicklern des Rabbit R1-Geräts. Im Rabbit R1-Startvideo des Unternehmens heißt es, ein LAM sei ein neues Grundmodell, das dabei hilft, KI von Worten in die Tat umzusetzen.

LAMs werden auf großen Datensätzen von Benutzeraktionsdaten trainiert; Daher lernen sie durch Nachahmung menschlicher Handlungen oder durch Demonstration. Durch Demonstration können LAMs Benutzeroberflächen verschiedener Websites oder mobiler Anwendungen verstehen und darin navigieren und basierend auf Ihren Anweisungen bestimmte Aktionen ausführen. Laut Rabbit kann ein LAM dies auch dann erreichen, wenn die Schnittstelle geringfügig geändert wird.

Sie können sich LAMs als eine Erweiterung der vorhandenen Fähigkeiten von LLMs vorstellen. Während LLMs eine generative Text- oder Medienausgabe basierend auf Benutzereingaben generieren, indem sie das nächste Wort oder Token vorhersagen (Sie stellen eine Frage und ein LLM stellt eine Text- oder Medienausgabe bereit), gehen LAMs noch einen Schritt weiter, indem sie die Möglichkeit hinzufügen, komplexe Aktionen in Ihrem Namen auszuführen .

Was können LAMs tun?

Bei LAMs geht es darum, komplexe Aktionen in Ihrem Namen durchzuführen. Der entscheidende Punkt ist jedoch die Fähigkeit, komplexe Aktionen auszuführen. Dies macht LAMs bei der Ausführung fortgeschrittener Aufgaben hilfreicher, bedeutet aber nicht, dass sie nicht auch einfachere Aktionen ausführen können.

Theoretisch bedeutet das, dass Sie beispielsweise einen LAM anweisen können, etwas in Ihrem Namen zu tun, wie zum Beispiel einen Kaffee bei einem nahegelegenen Starbucks zu bestellen, eine Fahrt bei Uber zu buchen und sogar eine Hotelreservierung vorzunehmen. Es unterscheidet sich daher von der Ausführung einfacher Aufgaben wie der Aufforderung an Google Assistant, Siri oder Alexa, den Fernseher oder die Wohnzimmerbeleuchtung einzuschalten.

Unter der Haube ist das LAM gemäß der von Rabbit Inc. geteilten Vision in der Lage, auf die entsprechende Website oder App wie Uber zuzugreifen und durch deren Benutzeroberfläche zu navigieren, um eine Aktion auszuführen, beispielsweise eine Fahrt zu bestellen oder eine zu stornieren wenn du deine Meinung änderst.

LAMs werden die Nachfolge von LLMs antreten, aber sie sind (noch) nicht bereit

Das Konzept der LAMs ist spannend, vielleicht sogar mehr als LLMs. LAMs werden nach der generativen KI die Zukunft sein und es uns ermöglichen, alltägliche Aufgaben auszugleichen und uns auf andere erfüllende Aktivitäten zu konzentrieren. Doch so aufregend sie auch erscheinen mögen, LAMs sind noch nicht so weit.

Das erste kommerzielle Produkt, das die Nutzung eines LAM versprach (der Rabbit r1), hielt sein Marketingversprechen, Aktionen im Namen seiner Benutzer durchzuführen, nicht vollständig ein. Das Gerät scheiterte in seinem Hauptverkaufsargument so spektakulär, dass es in vielen Rezensionen aus erster Hand als ziemlich nutzlos bezeichnet wurde.

Noch schlimmer: Eine Untersuchung von Coffeezilla, einem YouTuber, in Zusammenarbeit mit einer ausgewählten Gruppe von Softwareentwicklern mit Zugriff auf einen Teil der Codebasis des R1 ergab, dass Rabbit Playwright-Skripte anstelle eines LAM zum Ausführen von Aktionen verwendete. Anstelle eines Geräts, auf dem ein einzigartiges KI-Modell ausgeführt wird, wurden also lediglich eine Reihe von Anweisungen im Stil „If > Then“ ausgeführt. weit entfernt von dem versprochenen LAM.

Wenn Sie etwas vom R1-Gerät von Rabbit mitnehmen können, dann ist es so: Ja, die Vision ist da. Allerdings muss vor der Umsetzung noch einiges getan werden, also seien Sie noch nicht aufgeregt.