Nach Jahren als Professor an der Stanford University und dem Aufbau von ImageNet, dem Projekt, das die Revolution des Deep Learning katalysierte, schloss sich Fei-Fei Li mit ihrem ehemaligen Studenten Justin Johnson und einem ausgewählten Team zusammen, um World Labs zu gründen, und setzte ihre Karrieren auf räumliche Intelligenz als die nächste Grenze in der KI. Wir haben uns mit Fei-Fei und Justin zusammengesetzt, um zu ergründen, wie der "AlexNet-Moment" für Weltmodelle aussieht, warum Transformer tatsächlich festgelegte Modelle und keine Sequenzmodelle sind, wie Gaussian Splats, physikalische Prämissen und neue Hardware-Primitiven den Stack über GPUs hinaus neu definieren könnten, die sich verändernde Rolle der Akademia in einer Ära der Grenzlaboratorien, wie die Verankerung von KI in der physischen Realität Robotik, Medizin und kreatives Design für immer verändern könnte, und ihre Wette, dass räumlich verankerte Weltmodelle die Brücke von den heutigen textbasierten LLMs zu Agenten sein werden, die tatsächlich in 3D-Raum leben und agieren. @drfeifei @jcjohnss @swyx @FanaHOVA