Von AGI zu ASI: Eine Zusammenfassung des neuesten Papers von Google DeepMind

Die meisten Menschen sprechen über Künstliche Allgemeine Intelligenz (AGI) mit Hype oder Angst. Über Künstliche Superintelligenz (ASI) zu diskutieren, ist sogar noch schwieriger.

Ein neues Paper von Google DeepMind stellt eine bessere Frage. Anstatt zu fragen, wann AGI eintreffen wird, fragt es: Was passiert nach der AGI?

Wenn wir eine KI bauen, die menschliche Fähigkeiten erreicht, wie verbessert sie sich dann kontinuierlich, bis sie ganze Gruppen von menschlichen Experten übertrifft?

Hier ist eine einfache Aufschlüsselung für Ingenieure und Entwickler.

Der Unterschied

• AGI: Ein KI-System, das bei vielen Aufgaben auf dem Niveau eines durchschnittlichen Menschen agiert. Es kann lernen, Schlussfolgerungen ziehen und vielfältige Probleme lösen. • ASI: Ein KI-System, das große Gruppen von menschlichen Experten in fast allen wichtigen Bereichen übertrifft.

Ein Modell, das einen Menschen beim Schach schlägt, ist keine ASI. ASI ist ein künstliches System, das Forschungslabore und ganze Unternehmen übertreffen kann.

Warum KI sich anders skaliert als Menschen

Menschen haben biologische Grenzen. Wir können uns nicht selbst kopieren oder tausend Versionen unseres Verstandes parallel laufen lassen. KI hat diese Einschränkungen nicht.

KI bietet mehrere Vorteile:

  • Maschinengeschwindigkeit: KI verarbeitet Daten viel schneller als biologische Gehirne.
  • Skalierbarkeit des Denkens: Man kann einem Modell mehr Rechenleistung geben, um länger nachzudenken, oder viele Instanzen parallel ausführen.
  • Gedächtnis: KI kann auf massive Datenbanken und unendliche Kontextfenster zugreifen.
  • Duplizierung: Man kann Millionen von Kopien eines fähigen KI-Forschers laufen lassen.

Die vier Wege zur ASI

  1. Skalierung: Nutzung von mehr Daten, mehr Rechenleistung und besserer Hardware.
  2. Algorithmische Veränderungen: Finden neuer Architekturen, besserer Gedächtnissysteme oder effizienterer Lernmethoden.
  3. Rekursive Selbstverbesserung: KI hilft dabei, bessere KI zu erforschen und zu bauen. Dies erzeugt eine Rückkopplungsschleife.
  4. Multi-Agenten-Systeme: Viele spezialisierte KI-Agenten, die wie eine große Organisation zusammenarbeiten.

Was uns ausbremsen könnte?

Fortschritt ist nicht garantiert. Es gibt mehrere Engpässe:

  • Datenlimits: Uns könnten hochwertige menschliche Daten ausgehen.
  • Physische Grenzen: Skalierung erfordert massive Mengen an Strom, Chips und Hardware.
  • Schwierigkeit der Forschung: Je reifer die KI wird, desto schwieriger könnten die zu lösenden Probleme werden.
  • Menschliches Eingreifen: Sicherheit, Regulierung und Politik können die Entwicklung verlangsamen.

Das Fazit

Der Übergang von AGI zu ASI ist nicht nur ein Forschungsproblem. Es ist eine technische Herausforderung. Er wird verteilte Systeme, Infrastruktur und komplexe Orchestrierung beinhalten.

Wenn Sie Entwickler sind, konzentrieren Sie sich auf diese Bereiche:

  • Wie man zuverlässige KI-Agenten baut.
  • Wie man viele Agenten koordiniert.
  • Wie man langfristige Aufgaben bewertet.
  • Wie man Sicherheit und Kontrolle gewährleistet.

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