AGI kommt, aber wie bald?

AGI ist allgegenwärtig. Manche meinen, sie sei erst in fünf Jahren erreichbar, andere halten sie für eine Fantasie. Die meisten Menschen sind sich nicht einmal einig, was sie bedeutet. Dennoch bleibt die Frage: Wie nah sind wir wirklich dran?

Die Antwort hängt davon ab, wie Sie define es. Für manche ist AGI ein System, das alles kann, was ein Mensch kann. Für andere ist es nur ein Modell, das eine breite Palette von Problemen lösen kann, ohne dass eine Umschulung erforderlich ist.

So oder so hat sich etwas geändert. Früher schrieb KI nur E-Mails und zeichnete Bilder. Doch heute schlussfolgert, plant und nutzt sie selbstständig Werkzeuge. Dieser Wandel ist der Grund, warum so viele Menschen KI ernster nehmen als je zuvor.

Wo wir gerade stehen

Die KI-Modelle, die wir heute haben, sind zwar keine künstliche Intelligenz (AGI), aber sie kommen einer solchen Entwicklung immer näher. Zumindest in mancher Hinsicht.

Models mögen GPT-4 , Klaus 3 und Zwillinge 1.5 Sie können lange Gespräche führen, komplexen Anweisungen folgen und externe Tools wie Browser oder Python-Sandboxen nutzen. Manche können sogar über ihre eigenen Ergebnisse nachdenken oder frühere Schritte überarbeiten – eine primitive Form der Planung oder Selbstkorrektur.

In Tests wie Anwaltsexamen, Mathematik-Olympiaden und SATs schneiden diese Systeme mittlerweile besser ab als die meisten Menschen. Sie haben zwar noch Probleme mit Konsistenz, abstraktem Denken und physischer Interaktion. Doch ihre Fähigkeiten entwickeln sich rasant, insbesondere in den Bereichen logisches Denken, Gedächtnis und Werkzeugnutzung.

OpenAIDas ist Sam Altman hat genannt GPT-4 ein „leicht peinliches“ Ein Schritt in Richtung etwas viel Mächtigeres. Anthropic behauptet, Claude 3 nähere sich in einigen Bereichen dem Niveau eines „jungen Doktoranden“. DeepMind, Meta und xAI arbeiten alle an neuen Modellen, von denen sie glauben, dass sie bahnbrechend sein könnten.

Wir verfügen heute zwar nicht über eine künstliche Intelligenz (AGI), sind aber noch nicht am selben Punkt wie vor 18 Monaten.

Die verschiedenen möglichen Wege zur AGI

Kaum jemand ist sich darüber einig, was AGI überhaupt ist. Es gibt keinen einheitlichen Fahrplan für AGI. Die Debatte lässt sich jedoch größtenteils in drei große Szenarien gliedern:

Mehr vom Gleichen

Einige Experten glauben, dass wir AGI erreichen, indem wir bestehende Modelle einfach skalieren, sie größer, schneller und mit besseren Daten trainieren. Die Idee dahinter ist, dass wir bereits auf dem richtigen Weg sind und es nur noch eine Frage der Zeit (und der Rechenleistung) ist. Dies wird oft als „Skalierungshypothese“ bezeichnet. Menschen mögen Ilja Sutskever und andere bei OpenAI haben ihre vorsichtige Überzeugung geäußert in diesem Ansatz.

Intelligentere Architektur

Andere wiederum meinen, wir bräuchten völlig neue Modelldesigns. Vielleicht etwas, das menschliches Denken, Planen und Lernen im Laufe der Zeit nachahmt. Das könnten Hybridsysteme sein, die Deep Learning mit symbolischem Denken, Gedächtnismodulen oder Entscheidungsbäumen kombinieren. Man könnte es sich so vorstellen, als würden wir Modellen das „Denken“ beibringen, anstatt nur Vorhersagen zu treffen.

Multi-Agenten-Systeme oder Tool-Nutzung

Manche argumentieren, dass künstliche Intelligenz kein einzelnes Modell sein wird, sondern ein Netzwerk von KIs, die zusammenarbeiten, schlussfolgern und gemeinsam handeln, möglicherweise über verschiedene Plattformen hinweg, jede mit ihrer eigenen Spezialisierung. Andere meinen, der Schlüssel liege darin, den Modellen Zugriff auf Tools wie Suchmaschinen, Taschenrechner oder Roboter zu geben, damit sie ihre Fähigkeiten über die Textvorhersage hinaus erweitern können.

Jeder Weg bringt Kompromisse mit sich. Die Skalierung ist einfach, stößt aber an Hardware- und Datengrenzen. Neue Architekturen könnten zwar besser funktionieren, sind aber noch nicht erprobt. Und Multi-Agenten-Systeme werfen neue Fragen zu Koordination und Kontrolle auf.

Wie nah sind wir aktuell?

Wir sind näher dran als je zuvor, aber noch nicht ganz da. Die heutigen Topmodels wie GPT-4o, Claude 3, Gemini 1.5 und LLaMA 3 sind leistungsfähiger, multimodaler und allgemein nützlicher als alles zuvor. Sie können Code schreiben, schwierige Prüfungen bestehen, Denkaufgaben lösen und lange Gespräche führen. Aber ihnen fehlen immer noch wichtige Eigenschaften, die wir von etwas wirklich „Allgemeinem“ erwarten würden.

• Sie verstehen die Welt nicht wirklichSie klingen zwar intelligent, halluzinieren aber oft Fakten oder fallen bei einfachen Logiktests durch. Das liegt daran, dass sie Muster in Daten vorhersagen und nicht ein reales Modell der Welt erstellen.
• Sie haben Probleme mit dem Langzeitgedächtnis und der PlanungDie meisten aktuellen KI-Modelle arbeiten von Moment zu Moment. Sie können keine Ziele setzen, gründlich reflektieren oder zuverlässig an Aufgaben arbeiten, die Tage oder Wochen dauern.
• Sie sind inkonsistentStellen Sie demselben Modell dieselbe Frage zweimal, erhalten Sie möglicherweise zwei sehr unterschiedliche Antworten. So sollte sich zuverlässige Intelligenz nicht verhalten.
• Ihnen fehlt die HandlungsfähigkeitEin Mensch kann ein Problem erkennen, einen Plan entwickeln und entsprechend handeln. KI hingegen wartet auf Aufforderungen. Sie handelt nur, wenn wir es ihr sagen.

Allerdings schrumpft die Lücke. Die Modelle verbessern ihre Denkfähigkeit, ihr Gedächtnis und ihren Werkzeuggebrauch. Einige können jetzt Simulationen durchführen, aus Feedback lernen und sich selbst korrigieren. Das sind Fähigkeiten, von denen man einst dachte, sie seien noch Jahre entfernt.

Wir befinden uns also in einer seltsamen Zwischenphase. KI ist zweifellos leistungsfähig und wird von Monat zu Monat nützlicher. Doch niemand glaubt, dass wir die KI schon wirklich geknackt haben.

Was machen wir jetzt?

Wenn wir in diesem Tempo weitermachen, stellt sich nur noch die Frage, wie und wann wir AGI erreichen. Wie Sam Altman es ausdrückte: „Wir wissen vielleicht erst, wie AGI aussieht, wenn wir sie bereits nutzen.“

Diese Ungewissheit macht diesen Moment so spannend wie gefährlich. Wir könnten nur eine Veröffentlichung von einem Durchbruch entfernt sein, oder Jahrzehnte, in denen wir in einer Sackgasse stecken. Yann LeCun (Metas leitender KI-Wissenschaftler) weist darauf hin , fehlt den aktuellen Modellen noch immer „ein grundlegendes Verständnis, wie die Welt funktioniert“. Inzwischen Demis Hassabis (CEO von DeepMind) sagt wir „kommen etwas sehr Mächtigem nahe“, aber es erfordert Verantwortung, Zusammenarbeit und Zeit.

Wie nah sind wir also dran? Das kann niemand mit Sicherheit sagen. Aber wenn der Fortschritt anhält, wird AGI möglicherweise nicht mehr lange ein Science-Fiction-Konzept bleiben.

Näher als wir denken?

Künstliche Intelligenz (KI) ist noch nicht angekommen. Aber es gibt deutliche Veränderungen. Die Systeme, die wir heute entwickeln, können bereits Dinge leisten, die noch vor einem Jahr undenkbar waren – von der Entwicklung kompletter Apps über die Erstellung von Drehbüchern bis hin zur Steuerung wissenschaftlicher Forschung.

Yoshua Bengio, ein Turing-Preisträger, davor gewarnt Aktuelle KI-Modelle zeigen bereits „emergente Eigenschaften“, die Forscher nicht vorhergesehen haben. Die Mitbegründer von Anthropic habe darüber geschrieben „scharfe Linkskurven“, die Idee, dass zukünftige Modelle während des Trainings plötzlich unerwartete Fähigkeiten erlangen könnten. Und OpenAI Vorstandsmitglied Helen Toner sagte es deutlich : „Wir wissen nicht, wie schnell sich die Dinge bewegen.

Einige Experten sagen immer noch, dass es noch Jahrzehnte dauern wird. Andere meinen, wir sind nur noch eine Überraschung vom Wendepunkt entfernt. Niemand weiß es genau. Aber eines wird deutlich: Die Frage ist nicht mehr, ob AGI möglich ist, sondern wie gut wir auf sie vorbereitet sind, wenn sie eintrifft.

Denn ob AGI nun alles verändert oder sich unbemerkt in die von uns genutzten Werkzeuge einschleicht: Die Entscheidungen, die wir jetzt treffen, werden bestimmen, welche Auswirkungen sie auf die Welt hat.