Warum verbirgt ein 3D-Drucker die größte Ambition von GPT-6?

Der Veröffentlichungstrailer von GPT-6 Astra beginnt mit einem gelben Kreis:

Die Person im Bild bittet Astra, einen gelben Kreis zu zeichnen und ihn dann in das Bullauge einer Rakete zu verwandeln. Einige Sekunden später wächst die Umrissform einer Rakete um den Kreis herum:

Er bittet GPT weiter, mehr Details hinzuzufügen und die gesamte Rakete zu einem 3D-Modell in Blender zu machen:

Aber die Aufgabe ist noch nicht abgeschlossen. Er kehrt wieder vor das Raketenmodell zurück und gibt die Anweisung: Erstelle mir jetzt eine Datei, die an einen 3D-Drucker gesendet werden kann.

Daraufhin generiert GPT-6 eine STL-Datei und sendet sie an den Bambu Lab P1S auf dem Desktop (obwohl das Videobild unkenntlich gemacht wurde, ist er trotzdem sehr leicht zu erkennen) – ein 3D-Drucker, der im selben Jahr wie GPT-4 veröffentlicht wurde.

Die Rakete auf dem Bildschirm wird durch diesen P1S zu einem physischen Objekt in der Realität.

Vom gelben Kreis über die Raketenskizze und das 3D-Modell bis hin zum physischen Objekt in der Realität – in dem weniger als drei Minuten langen Kurzfilm hat OpenAI eine schöne in sich geschlossene Erzählung vollendet.

Wenn man nur beweisen wollte, dass GPT-6 3D-Modellierung beherrscht, würde es eigentlich schon reichen, wenn es Blender bedienen kann. Aber OpenAI lässt diese Geschichte ausgerechnet bei einem 3D-Drucker enden.

Denn dieses Mal generiert die KI nicht nur Inhalte auf dem Bildschirm, sondern beginnt, in die reale Welt einzugreifen.

Die GUI könnte die erste Lektion der KI für das Verständnis der Welt sein

Die GUI, die grafische Benutzeroberfläche, ist ein Konzept, das seit mehr als einem halben Jahrhundert existiert. Wir klicken täglich auf Fenster, ziehen an Symbolen und denken selten darüber nach, was sie eigentlich ist.

Auf der unteren Ebene tut die GUI jedoch ständig eines: Sie übersetzt die komplexen, unsichtbaren Logiken im Inneren des Computers in eine Welt, die Menschen verstehen und bedienen können –

Wenn man den Computer einschaltet, sieht man den „Desktop“, Dateien müssen in „Ordner“ gelegt werden, Anwendungen haben „Fenster“, und unerwünschte Dinge werden in den „Papierkorb“ geworfen.

Hier hat jedes Objekt Eigenschaften, es gibt Beziehungen zwischen ihnen, und Menschen können viele Aktionen ausführen, die dieses System in einen neuen Zustand versetzen.

Im Wesentlichen ist die GUI eine stark abstrahierte Darstellung der realen Welt.

Aus diesem Grund ist die verbesserte Fähigkeit von GPT-6, die GUI zu verstehen, weitaus wichtiger als die Möglichkeit, dass „die KI für mich Knöpfe drückt“.

Frühere visuelle Modelle, die Photoshop sehen, müssen nur sagen, wo das Lasso-Werkzeug ist; aber wenn die KI heute das Computer Use vollständig beherrschen soll, muss sie verstehen, welche Datei gerade bearbeitet wird, welches Objekt geändert werden soll, welche Folgen die Aktion hat und wo man bei einem Fehler die Korrektur vornehmen kann.

Dies ist ein vollständiger Zyklus von „Wahrnehmung → Urteil → Handlung → Rückmeldung“.

Diese Fähigkeit hat eine subtile Isomorphie zur realen Welt –

Die reale Welt besteht ebenfalls aus Objekten: Ein Becher hat eine Position und ein Gewicht, eine Tür hat die Zustände offen und geschlossen, das Drehen des Lenkrads ändert den Winkel der Räder. Menschen beobachten Objekte in ihrer Umgebung, beurteilen Beziehungen, führen Aktionen aus und korrigieren ihr Verhalten anhand der Ergebnisse.

Frühere KIs lernten, wie diese Welt „beschrieben wird“, heutige KIs beginnen zu lernen, wie eine Welt „bedient wird“.

Der Unterschied zwischen diesen beiden Punkten liegt im Handeln.

Intelligenz muss in eine Umgebung eingebunden werden, um zu Fähigkeiten zu werden. Und die GUI ist genau die größte und standardisierteste „Umgebung“, die Menschen bisher geschaffen haben.

Vom Bedienen von Software zum Bedienen der Realität

Schaut man sich wieder den P1S im Trailer an, so hat seine Bedeutung inzwischen eine völlig andere Ebene erreicht.

Der 3D-Drucker befindet sich genau an der Grenzlinie zwischen der GUI-Welt und der realen Welt.

Nach der Generierung von Bildern handelt es sich immer noch um Pixel, nach der Generierung von Texten immer noch um Zeichen, und laufender Code verbleibt meistens im Inneren des Computers.

Aber wenn eine STL-Datei in einen 3D-Drucker eingegeben wird, findet eine Umwandlung statt, die von grundsätzlich anderer Natur ist – das „Objekt“ in der digitalen Welt wird zu einem „Gegenstand“ in der realen Welt.

Auf dieser Ebene ist der 3D-Drucker genau das Portal, das die Grenze zwischen der digitalen und der physischen Welt durchbricht.

Betrachtet man die technische Entwicklung der letzten Jahre, so fällt eine interessante Parallele auf.

Im Jahr 2022 brachte Bambu Lab die erste X1-Serie auf den Markt, und Ende desselben Jahres ging das auf GPT-3.5 basierende ChatGPT online.

Beide Wege begannen unabhängig voneinander, aber beide verkürzen die Distanz zwischen normalen Menschen und komplexer Technik.

Vier Jahre später, wenn das von GPT-6 generierte Modell von Bambu Lab zu einem physischen Objekt gedruckt wird, kreuzen sich diese beiden Wege bei einer kleinen Rakete.

GPT-6 beseitigt die Komplexität auf der Softwareseite – ich muss nicht Schritt für Schritt anhand von Anleitungen lernen, Blender oder CAD zu bedienen, ich muss dem Modell nur sagen, was ich am Ende haben möchte, und das Modell liefert es mir.

Bambu Lab beseitigt hingegen die Komplexität auf der Fertigungsseite – ich muss nicht mehr verstehen, welche Temperatur die Heizplatte hat oder wie hoch die Fülldichte ist, ich muss nur Verbrauchsmaterial einlegen, die Vorlage eingeben und die Drucktaste drücken.

Ersteres macht es unnötig, dass Menschen komplexe Software lernen, Letzteres macht es unnötig, dass Menschen komplexe Maschinen beherrschen. Wenn man die überflüssigen Teile entfernt, bleibt das Schöpfen selbst übrig.

Eine Anfrage in natürlicher Sprache durchläuft GUI, Designsoftware und Fertigungsgeräte und wird schließlich zu einem echten Objekt – das ist der vollständige Weg von der Absicht zur Realität, den OpenAI in seinem Trailer zeigt.

In den letzten Jahrzehnten war die Mensch-Computer-Interaktion ein Fachgebiet, das sich mit der Zeit weiterentwickelt hat, dessen Forschungsziel darin bestand, die digitale Welt der realen Welt immer näher zu bringen:

Befehlszeilen verlangen von Menschen, die Sprache der Maschine zu lernen, die GUI übersetzt die Maschine mit Symbolen und Fenstern in eine visuelle Welt, die Menschen vertraut sind, der Touchscreen verwandelt das „Bewegen der Maus“ in ein direktes Berühren von Objekten …

Große Sprachmodelle hingegen beginnen, das Fachgebiet der Mensch-Computer-Interaktion umzuwälzen – wir müssen nicht mehr selbst nach Knöpfen suchen und Menüs öffnen, die KI kann die GUI verstehen und Geräte wie 3D-Drucker steuern, um die Bedienung für uns zu übernehmen.

Software wird nicht verschwinden, aber man muss sich möglicherweise nicht mehr anstrengen, sie zu lernen – immer mehr Menschen müssen nicht mehr direkt mit Photoshop, Blender, CAD … arbeiten.

So wie Menschen, die heute eine Kamera benutzen, nicht verstehen müssen, wie der ISP jedes Pixel verarbeitet, müssen Menschen, die in Zukunft CAD benutzen, nicht unbedingt wissen, wie viele Menüs und Werkzeuge für eine Modellierung erforderlich sind.

Was wir wirklich wollen, ist nie einfach nur eine CAD-Datei, sondern ein Ständer, ein Stuhl, ein Ersatzteil oder eine kleine Rakete, die man in der Hand halten kann.

Die GUI ist die Sprache, mit der Menschen die Realität in den Computer übersetzen, und jetzt hat die KI diese Sprache verstanden.

Der 3D-Drucker hingegen übersetzt die abstrakten Konzepte aus dem Computer zurück in die Realität.

Vom GPT bis zum 3D-Drucker ist das genau die Distanz, die ein Gedanke zurücklegt, um zur Realität zu werden.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „ifanr“ (ID: ifanr), Autor: XIAO Qinpeng, veröffentlicht mit Genehmigung von 36Kr.