Grounding bezieht sich in der künstlichen Intelligenz auf die Verbindung von Symbolen, Wörtern oder Repräsentationen, die ein System verwendet, mit realen Referenten, sensorischen Erfahrungen oder verifizierbaren externen Fakten, anstatt sie nur auf andere Symbole innerhalb des Systems selbst zu beziehen. Das Problem wurde von dem Kognitionswissenschaftler Stevan Harnad in einem Artikel von 1990 über das "Symbol-Grounding-Problem" formalisiert, in dem er fragte, wie ein rein symbolmanipulierendes System jemals erreichen könnte, dass seine Symbole etwas bedeuten, anstatt lediglich bedeutungslose Token gemäß syntaktischen Regeln zu verschieben.
Die Frage wurde mit dem Aufkommen von großen Sprachmodellen erneut dringlich, die rein auf Mustern in Texten trainiert werden und keinen direkten sensorischen Kontakt mit der Welt haben, die sie beschreiben - eine Sorge, die eng mit der stochastischen Papageien-Kritik an Modellen zusammenhängt, die flüssige, aber potenziell bedeutungslose Ausgaben produzieren.
Grounding als ingenieurtechnisches Problem
In der Praxis ist das "Grounding" der Ausgabe eines Modells zu einem Branchenbegriff geworden, der die Einschränkung seiner Antworten auf verifizierbare externe Quellen beschreibt, anstatt sich rein auf parametrisches Gedächtnis zu verlassen, am häufigsten durch retrieval-augmentierte Generierung, bei der abgerufene Dokumente zitiert oder angeführt werden, um Halluzinationen zu reduzieren. Suchgestützte Assistenten und Unternehmens-Chatbots werden häufig als Erzeuger "gegroundeter" Antworten beschrieben, wenn ihre Ausgaben auf eine bestimmte abgerufene Passage zurückführbar sind, im Gegensatz zu uneingeschränkter Generierung, die rein aus den Trainingsdaten des Modells stammt.
Grounding durch Verkörperung und Modalität
Eine separate Forschungstradition argumentiert, dass echtes Grounding sensorimotorische Interaktion mit der physischen Welt erfordert, was Arbeiten in verkörperter KI und Robotik motiviert, wo die Repräsentationen eines Systems durch Handeln in und Wahrnehmen seiner Umgebung geformt werden, anstatt durch das Lesen von Texten darüber. Multimodale und Vision-Sprach-Modelle adressieren das Problem teilweise, indem sie Sprache mit Bildern, Audio oder Video verbinden und Repräsentationen zumindest einen Wahrnehmungsanker geben, und verwandte Forschung zu Weltmodellen versucht, Systemen eine interne prädiktive Simulation von physischer Ursache und Wirkung zu geben.
Laufende Debatte
Ob die aktuelle Sprachtechnologie echtes Grounding allein durch Text und multimodale Daten erreichen kann oder ob sie notwendigerweise eine hochentwickelte Form der Mustervervollständigung bleibt, ist ungeklärt. Einige Forscher argumentieren, dass Grounding eine Frage des Grades ist, wobei Abruf, Werkzeugnutzung und multimodale Wahrnehmung jeweils teilweises Grounding hinzufügen, anstatt das Problem vollständig zu lösen, während andere darauf bestehen, dass Grounding im philosophischen Sinne verkörperte Erfahrung erfordert, die kein aktuelles System besitzt. Die Debatte liegt nahe an, aber getrennt von, Fragen, die durch die stochastische Papageien-Kritik aufgeworfen werden, da ein System im Prinzip gut in abgerufenen Fakten gegroundet sein könnte, während ihm dennoch ein tieferes konzeptuelles Verständnis davon fehlt.