Andrej Karpathy hat mit Claude Opus 5 eine 3D-Szene aus der Eröffnung von „Der Herr der Ringe“ erstellt, die im Browser dargestellt werden kann. „Das Modell arbeitete rund zwei Stunden und hatte ein Budget von einer Million Token, was etwa 10 Dollar entspricht. Es sollte die gesamte Szene in Three.js, einer Grafikbibliothek für 3D-Anwendungen im Web, rendern“, erklärte Karpathy.
Den Quellcode stellte er online zur Verfügung, um es anderen zu ermöglichen, die Szene abzuspielen und nach Belieben zu modifizieren. Karpathy sieht in diesem Ansatz eine Weiterentwicklung des Pelikan-Tests, den er für mittlerweile überholt hält. Bei diesem unterhaltsamen Benchmark, der von Simon Willison ins Leben gerufen wurde, soll ein KI-Modell eine SVG-Grafik eines radfahrenden Pelikans erstellen. Die absurde Wahl des Motivs soll sicherstellen, dass es nicht im Trainingsmaterial enthalten ist.
Die Idee hinter solchen Tests ist nicht neu. Microsoft ließ 2023 im Rahmen des Sparks-of-AGI-Papers GPT-4 ein Einhorn in TikZ zeichnen, was als Indikator für räumliches Verständnis interpretiert wurde. Im Gegensatz zu den heutigen multimodalen Modellen, die die großen Chatbots antreiben, wurde GPT-4 ausschließlich mit Textdaten trainiert. Ein neues Framework zeigt, dass KI-Modelle menschliche Unterstützung beim Roboter-Coding benötigen, was die Relevanz solcher Tests unterstreicht. Zudem hat OpenAI einen Wettbewerb zur Entwicklung eines kompakten Sprachmodells ins Leben gerufen, der die Innovationskraft in diesem Bereich weiter anheizt.
„`
Quellen: the-decoder
Bildquelle: KI generiert
🚀