World models: hoe Genie 3 en Marble AI fysica leren
World models zijn de volgende stap na LLM's. Ontdek hoe DeepMind's Genie 3 en World Labs' Marble AI leren om de fysieke 3D-wereld echt te begrijpen.
👁 114 keer gelezen
Revolutie na revolutie - van woorden naar werelden
Het jaar 2026 zou weleens de geschiedenisboeken kunnen ingaan als het moment waarop kunstmatige intelligentie een nieuwe fundamentele grens overschreed. Terwijl grote taalmodellen nog altijd verbazen met hun vermogen om tekst te genereren en gesprekken te voeren, kijken de belangrijkste spelers in de AI-sector al veel verder dan LLM‘s. Hun doel: world models - systemen die de fysieke wereld met ongekende precisie kunnen begrijpen en simuleren. Een actueel overzicht met Odyssey-3, Cosmos en V-JEPA vind je in onze gids wereldmodellen - wat zijn het en waarvoor dienen ze.
DeepMind kondigde in januari 2026 zijn nieuwste vlaggenschip aan: Genie 3, een model dat staat voor een fundamentele verschuiving in de benadering van AI. Tegelijkertijd presenteerde World Labs, de startup opgericht door Fei-Fei Li, het systeem Marble, dat belooft de manier waarop AI interacteert met de driedimensionale wereld te transformeren. Beide projecten delen één ambitie: het creëren van AI die niet alleen praat over de wereld, maar die deze ook echt begrijpt.
Genie 3 - wanneer AI fysica leert door observatie
De derde generatie van het Genie-systeem van DeepMind is veel meer dan een incrementele update. Zoals Demis Hassabis toelichtte tijdens zijn presentatie op de AI Frontiers-conferentie in Londen, gebruikt Genie 3 een compleet nieuwe methode voor machine learning, gebaseerd op observatie en interactie met de omgeving.
“Genie 3 is het eerste AI-systeem dat de wetten van de fysica echt begrijpt, niet door regels uit het hoofd te leren, maar door observatie en experimenten. Het is net als een kind dat de wereld leert kennen door te spelen”, aldus Hassabis tijdens de AI Frontiers-conferentie in januari 2026.
Het systeem maakt gebruik van een geavanceerde neurale architectuur genaamd Physics-Aware Transformer (PAT). Deze combineert traditionele aandachtsmechanismen met modules die gespecialiseerd zijn in het begrijpen van ruimte, tijd en causaliteit. In tegenstelling tot LLM’s, die voornamelijk werken op het niveau van symbolen en taalpatronen, bouwt Genie 3 interne representaties op van de fysieke wereld.
De mogelijkheden van het systeem zijn indrukwekkend. In een demonstratie van DeepMind kon Genie 3 de gevolgen van complexe fysieke interacties voorspellen - van vallende voorwerpen tot het gedrag van vloeistoffen onder verschillende zwaartekrachtomstandigheden. Bovendien kan het systeem realistische simulaties genereren van omgevingen die het nog nooit eerder heeft gezien, door te extrapoleren vanuit de fundamentele natuurkundige principes die het tijdens de training heeft “ontdekt”.
World Labs en de visie op ruimtelijke intelligentie
Waar DeepMind zich richt op de fundamentele aspecten van fysisch begrip, benadert World Labs het vraagstuk vanuit een meer praktische invalshoek. Het bedrijf, opgericht door Fei-Fei Li (voormalig directeur van het Stanford AI Lab), kondigde in februari 2026 het Marble-systeem aan - een world model dat specifiek gericht is op het begrijpen en manipuleren van driedimensionale ruimtes.
Li, bekend van haar baanbrekende werk rond ImageNet en de ontwikkeling van computervisie, liet al eerder haar interesse blijken in wat zij “spatial intelligence” noemt: het vermogen van AI om een 3D-ruimte te begrijpen en erin te navigeren. Marble vormt de verwezenlijking van die visie.
“De toekomst van AI ligt niet in systemen die alleen woorden begrijpen, maar in systemen die de wereld begrijpen. Ruimtelijke intelligentie is de volgende grote sprong voorwaarts”, schreef Fei-Fei Li in een LinkedIn-bericht bij de aankondiging van Marble in februari 2026.
Marble combineert op vernieuwende wijze computervisie, robotica en generatieve AI. Het systeem is getraind op enorme datasets met videobeelden vanuit verschillende camerahoeken, 3D-scans en sensordata uit de robotica. Wat Marble onderscheidt van concurrenten, is het vermogen om coherente, interactieve 3D-representaties te bouwen op basis van zeer beperkte invoergegevens.
In de praktijk betekent dit dat Marble bijvoorbeeld aan de hand van enkele foto’s van een kamer een compleet 3D-model kan genereren, kan voorspellen hoe objecten in die omgeving reageren, en zelfs een bewegingsroute voor een robot kan uitstippelen. Het systeem kan ook overweg met taken die natuurkundig inzicht vereisen: het voorspelt accuraat hoe de positie van voorwerpen verandert na specifieke handelingen.
De technische fundamenten van world models
Om te begrijpen hoe world models functioneren, moeten we kijken naar hun technische architectuur. Waar LLM’s hoofdzakelijk werken met sequenties van tokens, moeten world models overweg kunnen met multidimensionale representaties van ruimte en tijd.
Een cruciaal element is het gebruik van zogeheten neural radiance fields (NeRF) in combinatie met temporele aandachtsmechanismen (temporal attention). NeRF maakt het mogelijk om continue representaties van 3D-scènes te creëren, terwijl temporele aandacht veranderingen in de tijd modelleert. Moderne implementaties zoals die in Genie 3 benutten daarnaast diffusiemodellen om nieuwe toestanden van de wereld te genereren.
Volgens het technisch rapport van DeepMind gebruikt Genie 3 een hiërarchische architectuur waarin verschillende lagen van het model verantwoordelijk zijn voor afzonderlijke aspecten van omgevingsbegrip. De onderste lagen houden zich bezig met elementaire fysische eigenschappen zoals zwaartekracht en wrijving, de middelste lagen modelleren interacties tussen objecten, en de bovenste lagen zijn verantwoordelijk voor complexe scenario’s en langetermijnplanning.
World Labs beschrijft Marble in het rapport “Spatial Intelligence: The Next Frontier” dan weer als een systeem gebaseerd op “multi-modal transformers” die zijn geoptimaliseerd voor ruimtelijke data. Centraal hierin staat het zogeheten “geometric attention” - een mechanisme waarmee het model zich kan richten op de relevante ruimtelijke relaties tussen objecten.
Praktische toepassingen en marktimpact
World models zijn allang geen zuiver academisch experiment meer; de eerste praktische toepassingen worden al zichtbaar. Nvidia kondigde in december 2025 aan dat de nieuwste RTX 6000-videokaarten specifiek zijn geoptimaliseerd voor het draaien van world models, wat de adoptie aanzienlijk moet versnellen.
De entertainmentindustrie experimenteert intussen volop met world models voor game-ontwikkeling. Epic Games kondigde een samenwerking aan met World Labs om de Marble-technologie te integreren in Unreal Engine 6. Daardoor wordt het mogelijk om op basis van tekstbeschrijvingen of conceptschetsen procedureel realistische gamewerelden te genereren.
Het grootste potentieel voor world models ligt echter in de robotica. Boston Dynamics vermeldde in zijn kwartaalrapport proeven waarbij world models worden gekoppeld aan de humanoïde Atlas-robots. Eerste resultaten tonen aan dat robots met world models aanzienlijk beter navigeren in onbekende omgevingen en objecten met onvoorspelbare eigenschappen veel trefzekerder manipuleren.
“World models zijn een gamechanger voor robotica. Voor het eerst beschikken we over AI die de gevolgen van acties in de fysieke wereld kan voorspellen met een nauwkeurigheid die vergelijkbaar is met menselijke intuïtie”, stelde Marc Raibert, oprichter van Boston Dynamics, in een interview met MIT Technology Review in januari 2026.
Ook de automotive sector volgt deze ontwikkelingen op de voet. Tesla meldde in maart 2026 experimenten uit te voeren met world models binnen het Full Self-Driving-systeem. Elon Musk suggereerde op X dat world models weleens de sleutel zouden kunnen zijn tot volledige voertuigautonomie, met name in zeldzame randsituaties (edge cases) waar traditionele AI-systemen op vastlopen.
Uitdagingen en beperkingen
Ondanks de indrukwekkende prestaties kampen world models met aanzienlijke technische en praktische hordes. Het grootste struikelblok is de immense rekenkracht die vereist is. Uit analyses van MIT CSAIL blijkt dat het trainen van een world model vergelijkbaar met Genie 3 ongeveer 50 keer meer rekenkracht vraagt dan het trainen van een even grote LLM.
Dit probleem wordt versterkt doordat world models veel diversere en duurdere trainingsdata vereisen. Waar LLM’s getraind kunnen worden op openbaar toegankelijke internetteksten, hebben world models hoogwaardige 3D-data, multicamera-videobeelden en meetgegevens van fysieke sensoren nodig. De kosten voor het opzetten van zulke datasets lopen in de honderden miljoenen dollars.
Een andere uitdaging betreft precisie en stabiliteit. World models moeten opereren in de echte wereld, waar rekenfouten directe fysieke gevolgen kunnen hebben. Zoals Yann LeCun van Meta AI opmerkte tijdens een paneldiscussie op de NeurIPS 2025-conferentie, hebben de huidige modellen nog steeds last van “drift”: het geleidelijk afwijken van de realiteit tijdens langdurige simulaties.
“World models zijn een fascinerende technologie, maar we zien nog altijd een trade-off tussen nauwkeurigheid en rekenefficiëntie. Het is alsof je het hele universum probeert te simuleren: hoe groter de gewenste precisie, des te zwaarder de vereisten”, verklaarde LeCun tijdens het panel ‘Future of AI’ op NeurIPS 2025.
Daarnaast spelen er zorgen rond veiligheid en ethiek. Systemen die de gevolgen van fysieke acties exact kunnen voorspellen, kunnen immers ook worden ingezet om schadelijke of gevaarlijke scenario’s door te rekenen. Dat roept dringende vragen op over toezicht en beheersing.
De strijd tussen de techreuzen
De ontwikkeling van world models is uitgegroeid tot een nieuw strijdtoneel voor Big Tech. Naast DeepMind en World Labs hebben ook Meta, Microsoft en Amazon aanzienlijke investeringen aangekondigd. Elke partij hanteert een eigen strategie, wat op termijn kan leiden tot marktfragmentatie.
Meta richt zich vooral op world models voor virtual en augmented reality, met projecten gericht op het realtime genereren van fotorealistische VR-omgevingen. Mark Zuckerberg benadrukte tijdens Connect 2025 dat world models essentieel zijn voor het verwezenlijken van zijn metaverse-visie.
Microsoft integreert world models direct in het Azure-platform als clouddienst voor zakelijke klanten. De focus ligt hier met name op industriële toepassingen, variërend van het simuleren van productieprocessen tot het optimaliseren van toeleveringsketens.
Amazon investeert juist in modellen voor magazijnrobotica en bezorgdiensten. Het interne systeem, genaamd “WorldSim”, moet helpen bij het verfijnen van bezorgroutes en het automatiseren van logistieke centra.
De schaal van deze wedloop blijkt wel uit de investeringscijfers. Volgens een rapport van CB Insights haalden bedrijven die actief zijn in world models in 2025 gezamenlijk meer dan 15 miljard dollar aan financiering op. Dat is meer dan de totale investeringen in de gehele AI-sector in 2020.
Toekomstperspectieven en maatschappelijke impact
Analisten voorspellen dat world models op termijn een grotere maatschappelijke voetafdruk kunnen achterlaten dan LLM’s. Terwijl taalmodellen onze omgang met informatie en communicatie hebben hervormd, kunnen world models fundamenteel veranderen hoe we de materiële wereld ontwerpen, bouwen en beïnvloeden.
Veelbelovend zijn met name de toepassingen in onderwijs en wetenschappelijk onderzoek. World models maken interactieve simulaties van ingewikkelde fysische fenomenen mogelijk, van galactische dynamica tot subatomaire deeltjes. Het Massachusetts Institute of Technology maakte al plannen bekend om world models in te zetten binnen natuurkunde- en ingenieursopleidingen.
In de architectuur en stedenbouw kunnen world models het ontwerpproces kantelen. In plaats van statische 3D-tekeningen kunnen architecten hun ontwerpen onderwerpen aan dynamische simulaties waarin alle functionele aspecten van gebouwen en steden samenkomen.
Ook de medische sector staat aan de vooravond van veranderingen. Het simuleren van medicijninteracties in het menselijk lichaam of het virtueel voorbereiden van complexe operaties kan de patiëntveiligheid en effectiviteit van behandelingen flink verbeteren.
Tegelijkertijd zijn er risico’s. World models kunnen worden misbruikt voor geavanceerde desinformatie op ongekende schaal: deepfakes die niet stoppen bij losse audio of video, maar complete gesimuleerde werelden nabootsen. Dat vraagt om nieuwe kaders voor detectie en verificatie van digitale inhoud.
Google · Jouw bronnenHoger in Google - met één klikToevoegen aan voorkeursbronnen →Conclusie
World models markeren een nieuwe fundamentele stap in AI-ontwikkeling. Systemen zoals Genie 3 van DeepMind en Marble van World Labs tonen aan dat kunstmatige intelligentie de stap kan maken van puur taalbegrip naar een functioneel inzicht in de wetten van de fysieke realiteit. Het is de transitie van AI die praat over de wereld naar AI die de wereld snapt.
Hoewel de technologie nog in de kinderschoenen staat en stevige computationele vraagstukken moet overwinnen, is het potentieel evident. Van robotica en gaming tot architectuur en zorg: world models hebben de capaciteit om uiteenlopende sectoren te transformeren.
De komende jaren wordt het cruciaal dat deze technologie verantwoord evolueert, met scherpe aandacht voor veiligheid, ethiek en toegankelijkheid. World models zijn met recht de volgende grens van AI - mits ontwikkelaars leren van de valkuilen van eerdere technologische sprongen. 2026 kan daarmee het begin markeren van een tijdperk waarin AI niet alleen denkt, maar onze leefwereld ook daadwerkelijk doorgrondt.
More on this from HELDER
