Künstliche Allgemeine Intelligenz: Eine Geschichte des vorsichtigen Aufbaus von Fähigkeiten

Wir leben in der Ära der künstlichen Intelligenz. Der ursprüngliche Artikel von 2023 bezifferte den weltweiten KI-Markt auf geschätzte 240 Milliarden US-Dollar und nannte eine Prognose von über 730 Milliarden US-Dollar für 2030 bei mehr als 17 Prozent jährlichem Wachstum. Das waren damalige Markteinschätzungen, keine gesicherten künftigen Umsätze.

Unter all dem Aufruhr rund um KI ist ein Paradigma, das die Aufmerksamkeit aller auf sich gezogen hat, AGI, Künstliche Allgemeine Intelligenz.

Was bedeutet AGI, und weshalb stößt das Thema auf Interesse? Der Artikel betrachtet Begriffe, Forschungsrichtungen und Erwartungen aus der Perspektive von 2023.

Bevor wir jedoch direkt in die Künstliche Allgemeine Intelligenz einsteigen, lassen Sie uns versuchen, zu bestimmen, was allgemeine Intelligenz bedeutet.

Festlegung der Konturen der allgemeinen Intelligenz

Allgemeine Intelligenz impliziert die Fähigkeit, eine Reihe von Zielen zu erreichen und verschiedene Aufgaben auszuführen, deren Kontexte und Umgebungen unterschiedlich sind. Systeme, die ‘allgemein intelligent’ sind, müssen:

• Probleme und Situationen bewältigen, die wesentlich anders sind als das, was vorhersehbar wäre
• In der Lage sein, das erworbene Wissen zu verallgemeinern, sodass es von einem Problemkontext auf andere übertragen werden kann.

Über die genaue Definition und die beste Messung allgemeiner Intelligenz sind sich Forschende uneinig. Es gibt keine einzige allgemein anerkannte Liste notwendiger Eigenschaften.

AGI-Forschung versucht, solche breiten Lern- und Problemlösungsfähigkeiten in künstlichen Systemen zu verwirklichen.

Die Kernhypothese von AGI

Ben Goertzel formulierte eine Kernhypothese in seinem Übersichtsartikel „Artificial General Intelligence: Concept, State of the Art, and Future Prospects“, der 2014 im Journal of Artificial General Intelligence erschien. Er beschrieb sie so:

„Die Schaffung und das Studium synthetischer Intelligenz mit ausreichend breitem (z. B. menschenähnlichem) Umfang und starker Generalisierungsfähigkeit ist im Grunde qualitativ anders als die Schaffung und das Studium synthetischer Intelligenz mit deutlich engerem Umfang und schwächerer Generalisierungsfähigkeit.“

Nach dieser Auffassung hätte AGI einen breiten Anwendungsbereich und starke Generalisierungsfähigkeiten. Die Hypothese ist eine Forschungsposition, kein bewiesenes Naturgesetz.

Allgemeinverständlich ausgedrückt erforscht AGI die Entwicklung breiter kognitiver Fähigkeiten, die häufig mit menschlichen Leistungen verglichen werden. Lernen und Wissenstransfer sind zentral; die erforderliche Leistungsschwelle unterscheidet sich je nach Definition.

Über die Machbarkeit und den Zeitplan von AGI gibt es unterschiedliche Ansichten. Manche Forschende sind skeptisch, andere entwickeln immer breitere Fähigkeiten. Daraus folgt kein wissenschaftlicher Konsens, dass menschenähnliche allgemeine Intelligenz grundsätzlich unerreichbar wäre.

AGI und der Begriff „starke KI“

In einer Erläuterung von IBM wird starke KI mit menschlicher Intelligenz und Selbstbewusstsein verbunden. Das entspricht nicht allen AGI-Definitionen: Operative Definitionen können breite Leistung und Generalisierung betrachten, ohne Bewusstsein vorauszusetzen. Ob Maschinen subjektive Erfahrungen haben können, ist eine eigene Debatte.

Ein System könnte aus Eingaben und Erfahrungen lernen. AGI muss aber weder wie ein Kind beginnen noch wie das menschliche Gehirn funktionieren. Die Forschungsziele betreffen vor allem Fähigkeiten, keinen zwingenden Entwicklungsweg.

Ein üblicher Vergleich betrachtet die Vielfalt der Aufgaben und die Übertragung von Wissen auf neue Situationen statt nur einer spezialisierten Leistung.

Spezialisierte KI ist nicht unbedingt auf eine einzige wiederkehrende Aufgabe beschränkt und kann in einem abgegrenzten Bereich autonom arbeiten. Umgekehrt bedeutet AGI nicht automatisch, dass menschliche Anweisungen oder Aufsicht entfallen. Fähigkeiten, Autonomie und Bewusstsein sind unterschiedliche Begriffe; eines beweist nicht das andere.

Goertzels Übersicht unterscheidet vier breite Forschungsrichtungen: symbolisch, emergentistisch, hybrid und universalistisch. Es handelt sich um die Einteilung dieser Übersicht, nicht um eine vollständige Liste oder eine allgemein vorgeschriebene AGI-Architektur.

Der symbolische Ansatz: Aspekte der Welt und des Systems werden durch Symbole dargestellt. Ein physisches Symbolsystem kann Symbole empfangen, erzeugen, speichern und verändern und damit Handlungen auswählen. Das ist ein theoretischer Ansatz, kein Beweis dafür, dass Intelligenz nur so funktionieren kann.

Manche symbolischen kognitiven Architekturen verbinden Arbeitsgedächtnis, Langzeitgedächtnis und zentrale Steuerung von Wahrnehmung, Denken und Handeln. Nicht jeder symbolische Ansatz muss gleich aufgebaut sein.

Der emergentistische Ansatz: Höhere Fähigkeiten entstehen aus Wechselwirkungen zwischen subsymbolischen Elementen auf niedrigerer Ebene. Komplexe Muster und Funktionen können so aus vielen relativ einfachen, zusammenwirkenden Teilen hervorgehen, etwa in neuronalen Netzen.

Der hybride Ansatz: Er kombiniert symbolische und subsymbolische Teilsysteme, um ihre Stärken zu nutzen und ihre Grenzen auszugleichen. Das Gesamtsystem kann dadurch andere Fähigkeiten als die einzelnen Teile besitzen.

Die Kombination kann ein symbolisches Untersystem mit einem großen subsymbolischen System sein oder eine Population kleiner Agenten, von denen jeder sowohl symbolisch als auch subsymbolisch ist.

Der universalistische Ansatz: Er beginnt mit sehr allgemeinen mathematischen Modellen von Intelligenz und untersucht praktische Annäherungen. Manche Idealmodelle sind nicht berechenbar oder haben unrealistische Rechenanforderungen. Es geht also nicht nur um einen fertigen Algorithmus, der mehr Hardware benötigt.

Verschiedene Organisationen entwickeln KI-Produkte und erforschen breitere Intelligenz. Praktische Produkte belegen nicht, dass AGI 2023 bereits erreicht war. OpenAI ist eine bekannte Organisation mit diesem Forschungsziel.

Führende Unternehmen, die an AGI arbeiten

1. OpenAI

OpenAI, bekannt für ChatGPT, beschrieb in einem Blogbeitrag vom 24. Februar 2023 das Ziel, dass AGI der gesamten Menschheit zugutekommen solle. Gemeint waren KI-Systeme, die allgemein intelligenter als Menschen wären. Das war eine Beschreibung des Auftrags, keine Meldung über bereits erreichte AGI.

OpenAI schrieb, mit zunehmender Nähe zu AGI bei Entwicklung und Einsatz vorsichtiger werden zu wollen. InstructGPT und ChatGPT wurden als Schritte zu besser steuerbaren Systemen genannt, nicht als bereits verwirklichte AGI.

Was ist ChatGPT?

OpenAI veröffentlichte ChatGPT am 30. November 2022 als Dialogsystem auf Grundlage von Sprachmodellen. Es beantwortet Fragen und unterstützt beispielsweise beim Schreiben von E-Mails, Aufsätzen und Programmcode. Menschenähnliche Antworten beweisen weder menschliches Verständnis noch Zuverlässigkeit; sie können Fehler enthalten.

Klicken Sie hier für die Liste der fünf besten ChatGPT-Erweiterungen.

Was ist InstructGPT?

InstructGPT bezeichnet Modelle, die OpenAI mithilfe menschlicher Demonstrationen und Rückmeldungen zum besseren Befolgen von Anweisungen trainierte. Es handelt sich um eine bestimmte Entwicklung von Sprachmodellen, nicht um einen Sammelbegriff für fortgeschrittene KI oder einen eigenständigen AGI-Nachweis.

OpenAI und ChatGPT in historischen Zahlen

OpenAI nannte im November 2023 rund 100 Millionen wöchentlich aktive ChatGPT-Nutzer. Davon getrennt berichtete The Information am 12. Oktober 2023 über ein auf Jahresbasis hochgerechnetes Umsatztempo von 1,3 Milliarden US-Dollar, über 100 Millionen monatlich und rund 30 Prozent über dem Sommertempo. Eine solche Hochrechnung ist nicht mit dem tatsächlich erzielten Umsatz eines vollständigen Geschäftsjahres gleichzusetzen.

Die OpenAI-Führungskrise im November 2023

Das damalige Aufsichtsgremium entließ CEO Sam Altman am 17. November 2023. Es erklärte, er sei in seiner Kommunikation nicht immer offen gewesen; das war die damals genannte Begründung, keine unabhängig festgestellte Schlussfolgerung. Eine Grundsatzeinigung über seine Rückkehr wurde am 21. November US-Zeit, am 22. November nach UTC, bekannt gegeben. Am 29. November bestätigte OpenAI seine Rückkehr mit einem neuen vorläufigen Aufsichtsgremium.

Laut damaligen Berichten drohte eine große Mehrheit der Beschäftigten mit dem Weggang, falls Altman nicht zurückkehre; das bedeutet nicht, dass alle den Brief unterschrieben hatten. Mitgründer und damaliger Chefwissenschaftler Ilya Sutskever äußerte auf X sein Bedauern: „Ich bereue meine Beteiligung an den Handlungen des Gremiums zutiefst. Ich wollte OpenAI niemals schaden. Ich liebe alles, was wir gemeinsam aufgebaut haben, und werde alles tun, um das Unternehmen wieder zusammenzuführen.“

Altmans Rückkehr beendete die akute Führungskrise, löste aber nicht automatisch sämtliche Fragen der Unternehmensführung und Aufsicht. Das neue Gremium kündigte auch eine unabhängige Prüfung und Verbesserungen der Governance an.

Während OpenAI im AGI-Bereich viel Aufmerksamkeit erhielt, arbeiteten auch andere Organisationen seit Jahren daran. DeepMind wurde 2010 gegründet.

2. DeepMind

DeepMind wurde 2010 gegründet und 2014 von Google übernommen. Im April 2023 wurde es mit Google Brain zu Google DeepMind zusammengeführt. Die Organisation erforscht allgemeinere Problemlösungssysteme, um Wissenschaft und gesellschaftlich nützliche Anwendungen voranzubringen.

Das Betriebsprinzip von DeepMind war stets, die Wissenschaft voranzutreiben, um der Menschheit zu nutzen. Daher möchte es künstliche Intelligenz einsetzen, um gesellschaftlichen Bedürfnissen und Erwartungen gerecht zu werden.

In der Forschung mit Moorfields lieferte ein Modell bei den untersuchten Augenaufnahmen Überweisungsempfehlungen auf dem Niveau von Fachärzten. Das bewies weder eine autonome Diagnose aller Augenerkrankungen noch einen Ersatz von Ärzten. Ein autonomes Steuersystem meldete 2018 rund 30 Prozent Energieeinsparung bei der Kühlung von Rechenzentren, nicht beim gesamten Verbrauch. AlphaFold sagte dreidimensionale Proteinstrukturen voraus und unterstützte biologische und pharmazeutische Forschung, ohne alle Probleme der Proteinfunktion oder Arzneimittelentwicklung zu lösen.

Der ursprüngliche Artikel verwies auf Finanzierungsdaten einer Datenbank zu einer am 1. Februar 2011 gemeldeten Runde von 50 Millionen US-Dollar mit Founders Fund und Horizons Ventures. Ein begrenzter Datenbankeintrag beweist nicht, dass dies vor der Übernahme die einzige Finanzierung war; es handelte sich nicht um eine vollständige geprüfte Finanzierungshistorie.

3. Adept

Adept kündigte im März 2023 eine von General Catalyst und Spark Capital geführte Serie B über 350 Millionen US-Dollar an. Das damals etwa einjährige Unternehmen entwickelte KI zur Bedienung von Software. Der Artikel nannte rund 25 Beschäftigte und eine frühe Vorführung eines digitalen Assistenten.

Adept untersuchte menschliche Softwarenutzung, um Textanweisungen in Computeraktionen umzusetzen. Der Artikel nannte eine Bewertung nach der Finanzierung von rund einer Milliarde US-Dollar. Die damals gemeldete Bewertung ist weder eine aktuelle Bewertung noch ein Beleg für erreichte AGI.

Mitgründer David Luan verglich das Ziel mit einem Synthesizer: Musiker können damit die Klänge verschiedener Instrumente nutzen, ohne jedes Instrument zu erlernen. Adept wollte Software auf ähnliche Weise durch ein einziges KI-System zugänglicher machen.

AGI: Der Weg nach vorn

Die Menschen haben unterschiedliche Ansichten über das Potenzial von AGI. Einige glauben, dass AGI gefährliche Konsequenzen für die Menschheit haben könnte, während andere glauben, dass AGI nicht das erreichen kann, was wir erwarten.

Diego Klabjan, Professor an der Northwestern University und Gründer ihres Masterprogramms für Analytik, äußerte die im ursprünglichen Artikel zitierte skeptische Position:

„Menschliche Gehirne haben Milliarden von Neuronen, die auf sehr faszinierende und komplexe Weise verbunden sind, und der aktuelle Stand der Technik besteht nur aus einfachen Verbindungen, die sehr einfachen Mustern folgen. Von ein paar Millionen Neuronen zu Milliarden Neuronen mit der heutigen Hardware‑ und Software‑Technologie zu gelangen – das sehe ich nicht kommen.“

Eine 2016 durchgeführte Umfrage von Forschenden mit Verbindung zu Oxford, Yale und AI Impacts erhielt 352 Antworten von Fachleuten für maschinelles Lernen. Die Ergebnisse erschienen 2017 als Vorabveröffentlichung. Es waren zusammengefasste subjektive Wahrscheinlichkeitsannahmen, keine garantierten Fristen oder eine „Medianzahl der Befragten“. Beispiele damaliger Prognosen waren:

• Etwa 2026: Schulaufsätze auf dem in der Umfrage definierten Niveau schreiben.
• Etwa 2027: Lastwagen auf dem angegebenen Niveau fahren; das bedeutet nicht, dass alle Fahrer überflüssig werden.
• Etwa 2031: die beschriebenen Einzelhandelsaufgaben erledigen, nicht zwingend die gesamte Branche ersetzen.
• Etwa 2049: einen Bestseller schreiben; Stephen King war ein bildlicher Vergleich, keine Vorhersage über einen bestimmten Autor.
• Vollständige Automatisierbarkeit aller Berufe: rund 122 Jahre nach 2016, also etwa 2138, bei einer zusammengefassten Wahrscheinlichkeit von 50 Prozent. Das bedeutet nicht, dass dann tatsächlich alle Arbeitsplätze verschwinden.

Es ist noch viel zu früh, um vorherzusagen, wohin KI uns letztlich führen wird. Aber wie alle Technologien kann sie zum Guten oder zum Schlechten eingesetzt werden.

In seinem Blogbeitrag vom Februar 2023 sprach sich Sam Altman für eine genaue Prüfung der AGI-Entwicklung und öffentliche Beratung bei großen Entscheidungen aus. Zu möglichen Risiken schrieb er:

„Die Welt könnte ganz anders werden als heute, und die Risiken könnten außergewöhnlich sein. Eine nicht an menschlichen Zielen ausgerichtete superintelligente AGI könnte der Welt schweren Schaden zufügen; ein autoritäres Regime mit einem entscheidenden Vorsprung bei Superintelligenz könnte dies ebenfalls tun.“

Organisationen wie DeepMind erforschen, ob allgemeinere KI wissenschaftliche Durchbrüche unterstützen kann. Das macht sie noch nicht zu Anbietern nachgewiesener AGI. Künftige Auswirkungen auf Forschung, Technik und Sicherheit sind ungewiss und hängen von Fähigkeiten, Anwendungen und menschlichen Entscheidungen über Führung und Aufsicht ab.

Klicken Sie hier, um alles über Investitionen in Künstliche Intelligenz zu erfahren.