Was ist AGI? Das KI-Ziel, über das alle reden, aber niemand klar definieren kann

Künstliche allgemeine Intelligenz (AGI) ist einer der am häufigsten genannten Meilensteine ​​in der KI-Branche. Tech-Führungskräfte sagen es voraus, Investoren stecken Milliarden in die Finanzierung der Forschung, und Kritiker warnen vor den Risiken, sobald es eintrifft.

Aber was genau AGI ist, bleibt unklar, und Forscher sind sich immer noch nicht einig darüber, was als „allgemeine Intelligenz“ gilt, wann sie eintrifft und wie jemand sie erkennen würde, wenn sie einmal da ist.

„Es gibt viele verschiedene Definitionen“, sagte Malo Bourgon, CEO des Machine Intelligence Research Institute, gegenüber Decrypt. „Wenn wir anfangen, darüber zu sprechen, ist dieses System AGI? Ist dieses System AGI? Was genau gilt nach welcher Definition als AGI? Ich denke, das ist ziemlich schwierig.“

Prominente Persönlichkeiten, darunter OpenAI-CEO Sam Altman, Anthropic-CEO Dario Amodei und xAI-CEO Elon Musk, haben sich zum Aufkommen von AGI geäußert und Vorhersagen gemacht.

„Ich denke, wir werden AGI im Jahr 2026 erreichen“, sagte Musk im Dezember während eines Interviews mit dem Vorstandsvorsitzenden der XPRIZE Foundation, Peter Diamandis. „Ich bin zuversichtlich, dass die KI bis 2030 die Intelligenz aller Menschen zusammen übertreffen wird.“

Im Gegensatz zur generativen KI, mit der die meisten Menschen dank ChatGPT vertraut sind, bezieht sich künstliche allgemeine Intelligenz oder AGI im Allgemeinen auf ein KI-System, das viele verschiedene Aufgaben auf menschenähnlicher Ebene verstehen, lernen und Wissen anwenden kann, anstatt eine einzelne Spezialfunktion auszuführen. Das Konzept geht auf die Anfänge der KI-Forschung in den 1950er Jahren zurück.

Ab Anfang der 2000er Jahre machten Forscher wie Ben Goertzel, Shane Legg und Peter Voss den Begriff „künstliche allgemeine Intelligenz“ populär, um das ursprüngliche Ziel einer allgemein leistungsfähigen KI auf menschlicher Ebene von den zunehmend erfolgreichen, aber eng begrenzten KI-Systemen zu unterscheiden, die in Forschungslabors und Universitäten entwickelt werden.

Bourgon sagte jedoch, dass das Erreichen einer „menschlichen Intelligenz“ kein einheitliches Ziel sei.

„Es gibt eine Reihe von Gründen aus unserer Evolutionsgeschichte, wie unser Gehirn strukturiert ist, wie langsam Neuronen sind und die Grenzen unseres Arbeitsgedächtnisses und der Geschwindigkeit, mit der unser Gehirn arbeitet, dass wir davon ausgehen sollten, dass, wenn wir KI-Systeme entwickeln können, die diese Eigenschaft haben, die wir haben, wahrscheinlich ein riesiger Raum über uns ist“, sagte er.

AGI ist schon da, sagen manche

Jüngste Fortschritte bei großen Sprachmodellen und leistungsstarker KI wie Gemini, ChatGPT, Grok und Claude, die Aufsätze schreiben, Bilder erstellen, Code generieren und komplexe Fragen beantworten kann, haben viele zu der Ansicht geführt, dass AGI bereits erreicht wurde. Aber was ihnen fehlt, sagte Bourgon, ist Autonomie.

„In den Definitionen der meisten Menschen zu AGI steckt das Gefühl der Autonomie“, sagte Bourgon. „Dass diese Dinge sich nicht unbedingt nur als Tools und Chatbots verhalten, sondern dass sie einen Agentencharakter haben, der es ihnen ermöglicht, Aufgaben in einer Vielzahl von Umgebungen mit einem großen Maß an Autonomie zu erledigen.“

Ben Goertzel, CEO von SingularityNET und eine der Persönlichkeiten, denen die Popularisierung des Begriffs AGI zugeschrieben wird, sagte, dass die Interpretation das Konzept erweitert.

„Der Begriff ist in den Medien inzwischen ziemlich verwirrend“, sagte Goertzel gegenüber Decrypt. „Tech-CEOs finden es bequem zu sagen: ‚Hey, wir haben AGI bereits eingeführt‘, und die Leute machen die Dinge sensationell.“

Theoretisch, erklärte Goertzel, bezieht sich AGI auf KI-Systeme, die in der Lage sind, ein breites Spektrum an Aufgaben zu erlernen und auszuführen, die über die Aufgaben hinausgehen, für die sie explizit ausgebildet wurden. Die heutigen Modelle, sagte er, seien leistungsstark, unterschieden sich jedoch grundlegend von der allgemeinen Intelligenz.

„Sie erreichen ihr Ziel nicht dadurch, dass sie alles lernen“, sagte er. „Sie gelangen dorthin, indem sie das gesamte Internet in ihre Wissensdatenbank integrieren.“

Während KI-Entwickler Milliarden von Dollar in den Aufbau von KI-Rechenzentren investieren, um immer mehr Rechenleistung für immer leistungsfähigere Modelle bereitzustellen, müsste eine echte allgemeine Intelligenz verallgemeinern und wirklich neue Erkenntnisse generieren, die über die bloße Neumischung ihrer Trainingsdaten hinausgehen, erklärte er.

„Wenn man aktuelle tiefe neuronale Netzsysteme nimmt und sie bis zum Jahr 1900 auf Musik trainiert, werden sie niemals Hip Hop oder Grindcore erfinden“, sagte Goertzel.

Goertzel argumentierte, dass sich die Umstellung auf AGI wahrscheinlich nicht als einziger, klarer Wendepunkt zeigen werde.

„Es muss keine völlig klare Grenze zwischen AGI und Prä-AGI geben“, sagte er und verglich sie mit den Grauzonen der Biologie rund um Viren und Retroviren. „Wir wissen immer noch, dass ein Hund lebt und ein Stein nicht“, fügte er hinzu, auch wenn einige Randfälle „unscharf“ seien, wie im Fall von Viren.

Kyle Chan, ein Forscher bei Brookings, der die globale KI-Politik untersucht, sagte, die Debatte habe sich auf mehrere verschiedene Szenarien ausgeweitet.

Entwicklung im Ausland

„Es gibt die ganze Bandbreite dessen, was wir unter AGI verstehen“, sagte Chan gegenüber Decrypt. „Auf der einen Seite gibt es diese Idee einer rekursiven Selbstverbesserung und einer Intelligenzexplosion, und auf der anderen Seite gibt es eine ‚profanere‘ Version – KI, die viele Dinge tun kann, die Menschen tun können, oder KI als normale Technologie wie das Internet oder Computer.“

Während amerikanische KI-Labore über die existenziellen Auswirkungen von AGI debattieren, sieht die Diskussion in China laut Chan vehement aus