𝗙𝗿𝗼𝗺 𝗔𝗚𝗜 𝘁𝗼 𝗔𝗦𝗜: 𝗔 𝗚𝗼𝗼𝗴𝗹𝗲 𝗗𝗲𝗲𝗽𝗠𝗶𝗻𝗱 𝗦𝘂𝗺𝗺𝗮𝗿𝘆

Die meisten Menschen sprechen über AGI als das Endziel.

Ein aktuelles Paper von Google DeepMind verlagert den Fokus. Es stellt eine schwierigere Frage: Was passiert nach der AGI?

Das Paper unterscheidet zwischen zwei Phasen:

  • AGI (Artificial General Intelligence): Eine KI, die bei vielen Aufgaben das Niveau eines durchschnittlichen Menschen erreicht. Sie kann Schlussfolgerungen ziehen, planen und Probleme lösen.
  • ASI (Artificial Superintelligence): Eine KI, die große Gruppen menschlicher Experten in fast allen Bereichen übertrifft.

ASI ist nicht nur ein Modell, das Schach gewinnt oder Code schreibt. Es ist ein System, das ganze Forschungslabore oder Unternehmen übertreffen kann.

Das Paper skizziert vier Wege, wie wir uns von der AGI zur ASI bewegen:

  • Skalierung: Verwendung von mehr Daten, mehr Rechenleistung und besserer Hardware.
  • Algorithmische Veränderungen: Das Finden besserer Architekturen wie dem Transformer, anstatt Modelle nur größer zu machen.
  • Rekursive Selbstverbesserung: KI hilft Forschern dabei, besseren KI-Code zu schreiben. Dies erzeugt eine Rückkopplungsschleife, in der die KI ihre eigene Entwicklung beschleunigt.
  • Multi-Agenten-Systeme: Der Übergang von einem einzigen riesigen Modell zu Tausenden von spezialisierten KI-Agenten, die wie eine menschliche Organisation zusammenarbeiten.

Es gibt jedoch mehrere Engpässe, die diesen Fortschritt verlangsamen könnten:

  • Datenlimits: Uns könnten hochwertige menschliche Texte ausgehen.
  • Physische Einschränkungen: Skalierung erfordert massive Mengen an Energie, Chips und Rechenzentren.
  • Schwierigkeit der Forschung: Je besser die KI wird, desto schwieriger könnten die verbleibenden Probleme zu lösen sein.
  • Menschliche Faktoren: Sicherheit, Regulierung und gesellschaftlicher Widerstand werden das Tempo der Entwicklung bestimmen.

Für Ingenieure und Entwickler ist dies nicht nur eine philosophische Debatte. Es ist eine technische Herausforderung.

Die Zukunft der KI wird davon abhängen:

  • Aufbau zuverlässiger Agenten-Architekturen.
  • Verbesserung des Langzeitgedächtnisses und der Werkzeugnutzung.
  • Entwicklung besserer Methoden zur Evaluierung von Systemen, die die menschlichen Fähigkeiten übersteigen.
  • Verwaltung verteilter Systeme mit mehreren Agenten.

AGI ist ein Meilenstein. ASI ist ein Wechsel der Größenordnung.

Quelle: https://dev.to/marrouchi/from-agi-to-asi-a-summary-of-google-deepminds-latest-paper-2ndd