Künstliche allgemeine Intelligenz

Was ist künstliche allgemeine Intelligenz (Artificial General Intelligence, AGI)?

Künstliche allgemeine Intelligenz (Artificial General Intelligence, AGI) ist die Abbildung allgemeiner menschlicher kognitiver Fähigkeiten in Software, sodass das AGI-System bei einer unbekannten Aufgabe eine Lösung finden kann. Die Absicht eines AGI-Systems besteht darin, jede Aufgabe auszuführen, zu der ein Mensch fähig ist.

Die Definitionen von künstliche allgemeine Intelligenz variieren, da Experten aus verschiedenen Bereichen die menschliche Intelligenz aus unterschiedlichen Perspektiven definieren. Informatiker definieren menschliche Intelligenz oft als die Fähigkeit, Ziele zu erreichen. Psychologen hingegen definieren allgemeine Intelligenz oft als Anpassungs- oder Überlebensfähigkeit.

Künstliche allgemeine Intelligenz wird als starke künstliche Intelligenz (KI) angesehen. Starke KI steht im Gegensatz zu schwacher KI, bei der künstliche Intelligenz auf bestimmte Aufgaben oder Probleme angewendet wird. Der Supercomputer Watson von IBM, Expertensysteme und selbstfahrende Autos sind Beispiele für schwache KI.

Was kann künstliche allgemeine Intelligenz?

In der Informatik ist künstliche allgemeine Intelligenz ein intelligentes System mit umfassendem oder vollständigem Wissen und kognitiven Rechenfähigkeiten. Derzeit gibt es keine echten AGI-Systeme; sie sind nach wie vor Science-Fiction. Die theoretische Leistung dieser Systeme wäre nicht von der eines Menschen zu unterscheiden. Die umfassenden intellektuellen Fähigkeiten von künstlicher allgemeiner Intelligenz würden jedoch die menschlichen Fähigkeiten übertreffen, da sie in der Lage sind, auf riesige Datenmengen mit unglaublicher Geschwindigkeit zuzugreifen und diese zu verarbeiten.

Eine echte künstliche allgemeine Intelligenz sollte in der Lage sein, Aufgaben und Fähigkeiten auf menschlichem Niveau auszuführen, die kein existierender Computer erreichen kann. Heute kann KI viele Aufgaben ausführen, aber nicht mit einem Erfolg, der sie als menschliche oder allgemeine Intelligenz einstufen würde.

Ein AGI-System sollte über folgende Fähigkeiten und das folgende Verständnis verfügen:

• abstraktes Denken
• Hintergrundwissen
• Gemeinsinn
• Ursache und Wirkung erkennen
• Transferlernen

Zu den praktischen Beispielen für AGI-Fähigkeiten gehören die folgenden fünf:

• Kreativität. Ein AGI-System wäre theoretisch in der Lage, von Menschen erstellten Code zu lesen, zu verstehen und zu verbessern.
• Sinneswahrnehmung. Künstliche allgemeine Intelligenz würde sich durch eine hervorragende Farberkennung auszeichnen, die eine subjektive Art der Wahrnehmung darstellt. Es wäre auch in der Lage, Tiefe und drei Dimensionen in statischen Bildern wahrzunehmen.
• Feinmotorik. Ein Beispiel hierfür ist das Greifen eines Schlüsselbundes aus der Tasche, was ein gewisses Maß an Vorstellungskraft erfordert.
• Verständnis natürlicher Sprache (Natural Language Understanding, NLU). Die Bedeutung der menschlichen Sprache ist stark kontextabhängig. AGI-Systeme würden über ein Maß an Intuition verfügen, das NLU ermöglicht.
• Navigation. Das bestehende Global Positioning System (GPS) kann einen geografischen Standort genau bestimmen. Sobald künstliche allgemeine Intelligenz vollständig entwickelt ist, wäre es in der Lage, Bewegungen durch physische Räume besser zu projizieren als bestehende Systeme.

KI-Forscher gehen auch davon aus, dass AGI-Systeme über komplexere Fähigkeiten verfügen werden, wie zum Beispiel die Fähigkeit:

• verschiedene Arten von Lernprozessen und Lernalgorithmen zu bewältigen;
• feste Strukturen für alle Aufgaben zu erstellen;
• Symbolsysteme zu verstehen;
• verschiedene Arten von Wissen zu nutzen;
• Glaubenssysteme zu verstehen; und
• Metakognition zu betreiben und metakognitives Wissen zu nutzen.

AGI versus KI: Was ist der Unterschied?

Bestehende Fähigkeiten der künstlichen Intelligenz werden im Vergleich zur künstlichen allgemeinen Intelligenz als schwache KI bezeichnet. Künstliche allgemeinen Intelligenz ist theoretisch, während schwache KI heute in der Praxis eingesetzt wird.

Künstliche allgemeinen Intelligenz sollte theoretisch in der Lage sein, jede Aufgabe zu erfüllen, die ein Mensch erfüllen kann, und eine Reihe von Intelligenzen in verschiedenen Bereichen ohne menschliches Eingreifen zu zeigen. Ihre Leistung sollte bei der Lösung von Problemen in den meisten Bereichen genauso gut oder besser sein als die von Menschen.

Im Gegensatz dazu zeichnet sich schwache KI durch die Fähigkeit aus, bestimmte Aufgaben oder Problemstellungen zu bewältigen. Viele bestehende KI-Systeme nutzen eine Kombination aus maschinellem Lernen (ML), Deep Learning (eine Unterart des maschinellen Lernens), bestärkendem Lernen und natürlicher Sprachverarbeitung (Natural Language Processing, NLP), um sich selbst zu verbessern und bestimmte Arten von Problemen zu lösen. Diese Technologien kommen jedoch nicht an die kumulativen Fähigkeiten des menschlichen Gehirns heran.

Beispiele für KI, die heute im Einsatz sind, sind unter anderem:

• Chatbots im Kundenservice
• Sprachassistenten wie Apples Siri und Amazons Alexa
• Empfehlungsmaschinen, wie sie Google, Netflix und Spotify verwenden, um Inhalte bei Nutzern zu bewerben.
• KI-gestützte Geschäftsanalysen und Business Intelligence Tools (BI), die Datenanalysen durchführen, die Stimmung der Kunden messen und Datenvisualisierungen für Endnutzer präsentieren.
• Bild- und Gesichtserkennungsanwendungen sowie die von ihnen verwendeten Deep-Learning-Modelle.

Beispiele für künstliche allgemeine Intelligenz

Echte AGI-Systeme sind noch nicht auf dem Markt. Es gibt jedoch Beispiele für eng begrenzte künstliche Intelligenzsysteme, die in bestimmten Bereichen die menschlichen Fähigkeiten annähernd erreichen oder sogar übertreffen. Die Forschung im Bereich der künstlichen Intelligenz konzentriert sich auf diese Systeme und darauf, was mit AGI in Zukunft möglich sein könnte.

Hier sind einige Beispiele für diese Systeme:

• IBM Watson. Watson und andere Supercomputer sind zu Berechnungen fähig, die ein durchschnittlicher Computer nicht bewältigen kann. Sie kombinieren ihre immense Rechenleistung mit KI, um bisher unmögliche wissenschaftliche und technische Aufgaben zu bewältigen, wie zum Beispiel die Modellierung der Urknalltheorie oder des menschlichen Gehirns.
• Expertensysteme. Diese KI-Systeme ahmen das menschliche Urteilsvermögen nach. Sie können beispielsweise Medikamente auf der Grundlage von Patientendaten empfehlen und die Molekularstruktur vorhersagen.
• Selbstfahrende Autos. Diese KI-gesteuerten Fahrzeuge erkennen andere Fahrzeuge, Menschen und Objekte auf der Straße und halten sich an die Verkehrsregeln und -vorschriften.
• ROSS Intelligence. ROSS ist ein juristisches Expertensystem, das auch als KI-Anwalt bezeichnet wird. Es kann Daten aus etwa 1 Milliarde Textdokumenten extrahieren, die Informationen analysieren und in weniger als drei Sekunden präzise Antworten auf komplizierte Fragen liefern.
• AlphaGo. Dies ist ein weiteres Beispiel für eine schwache KI, die sich durch eine bestimmte Art der Problemlösung auszeichnet. AlphaGo ist ein Computerprogramm, das das Brettspiel Go spielen kann. Go ist ein komplexes Spiel, das für Menschen schwer zu meistern ist. Im Jahr 2016 besiegte AlphaGo den Weltmeister Lee Sedol in einem Match mit fünf Spielen.
• Generative Pre-trained Transformer. GPT-3 und GPT-4 sind veröffentlichte Modelle von OpenAI, die automatisch menschliche Sprache generieren. Die Technologie ist in der Lage, allgemeine menschliche Intelligenz zu emulieren. In einigen Fällen ist der Text nicht von menschlicher Sprache zu unterscheiden, allerdings ist die KI-Ausgabe oft fehlerhaft.
• Musik-KI. Dadabots ist ein KI-Algorithmus, der aus einem vorhandenen Musikstück einen Stream seiner eigenen Interpretation dieser Musik erzeugen kann.

Wenn künstliche allgemeine Intelligenz auf einige der vorangegangenen Beispiele angewendet wird, könnte dies ihre Funktionalität verbessern. Beispielsweise muss bei selbstfahrenden Autos ein Mensch anwesend sein, um in unklaren Situationen Entscheidungen zu treffen. Dasselbe gilt für Algorithmen zur Musikproduktion, Sprachmodelle und Rechtssysteme. Diese Bereiche umfassen Aufgaben, die KI automatisieren kann, aber auch solche, die ein höheres Maß an Abstraktion und menschlicher Intelligenz erfordern.

Wie sieht die Zukunft der künstlichen allgemeinen Intelligenz aus?

Viele Experten, die im Bereich KI forschen, sind skeptisch, dass künstliche allgemeine Intelligenz jemals möglich sein wird. Einige fragen sich, ob sie überhaupt wünschenswert ist.

Der englische theoretische Physiker, Kosmologe und Autor Stephen Hawking warnte 2014 in einem Interview mit der British Broadcasting Corp. vor den Gefahren der AGI. „Die Entwicklung einer vollständigen künstlichen Intelligenz könnte das Ende der Menschheit bedeuten“, sagte er. „Sie würde sich selbstständig weiterentwickeln und sich immer schneller neu gestalten. Menschen, die durch die langsame biologische Evolution eingeschränkt sind, könnten nicht mithalten und würden verdrängt werden.“

Einige KI-Experten erwarten die kontinuierliche Entwicklung von AGI. In einem Interview auf der South by Southwest Conference 2017 sagte der Erfinder und Futurist Ray Kurzweil voraus, dass Computer bis 2029 ein menschliches Intelligenzniveau erreichen werden. Kurzweil hat auch vorausgesagt, dass sich die KI exponentiell verbessern wird, was zu Durchbrüchen führt, die es ihr ermöglichen, auf einem Niveau zu arbeiten, das jenseits des menschlichen Verständnisses und der menschlichen Kontrolle liegt. Dieser Punkt der künstlichen Superintelligenz wird als Singularität bezeichnet. Die künstliche allgemeine Intelligenz ist eine der Arten von KI, die zur letztendlichen Entwicklung der künstlichen Superintelligenz beitragen wird.

Im Jahr 2022 kam diese Vision der Realität viel näher, angetrieben durch Entwicklungen in der generativen KI, die die Welt im Sturm eroberten. Mit dem Debüt von ChatGPT im November 2022 und dem Aufkommen anderer benutzerfreundlicher generativer KI-Schnittstellen haben Nutzer weltweit KI-Software aus erster Hand erlebt, die menschliche Textanfragen verstehen und Fragen zu einer scheinbar grenzenlosen Bandbreite von Themen beantworten konnte, wenn auch nicht immer präzise. Diese generativen KI-Modelle haben bewiesen, dass sie eine Vielzahl von Inhaltstypen produzieren können, von Gedichten und Produktbeschreibungen bis hin zu Code und synthetischen Daten. Bildgenerierungssysteme wie Dall-E revolutionieren auch die visuelle Landschaft, indem sie Bilder erzeugen, die die Werke berühmter Künstler oder Fotografien imitieren, sowie medizinische Bilder, 3D-Modelle von Objekten und Videos.

Trotz ihrer beeindruckenden Fähigkeiten sind ihre Mängel und Gefahren den Benutzern inzwischen bekannt, was bedeutet, dass sie noch nicht vollständig autonom sind. Ob es nun an der Neigung solcher Tools liegt, Ungenauigkeiten und Fehlinformationen zu erzeugen, oder an ihrer Unfähigkeit, auf aktuelle Informationen zuzugreifen, es ist immer noch menschliche Aufsicht erforderlich, um potenzielle Schäden für die Gesellschaft zu mindern.

Andere Perspektiven sind die Church-Turing-These, die 1936 von Alan Turing und Alonzo Church entwickelt wurde und die die letztendliche Entwicklung von AGI unterstützt. Sie besagt, dass mit einem Algorithmus jedes Problem gelöst werden kann, wenn man unendlich viel Zeit und Speicherplatz zur Verfügung hat. Welcher Algorithmus der Kognitionswissenschaft das sein wird, steht zur Debatte. Einige sagen, dass neuronale Netze am vielversprechendsten sind, während andere an eine Kombination aus neuronalen Netzen und regelbasierten Systemen glauben.

Eine weitere potenzielle Initiative kommt aus der Neurowissenschaft: neuromorphes Computing, bei dem künstliche Neuronen und Synapsen verwendet werden, um den biologischen Rahmen und die Funktionsweise des menschlichen Gehirns nachzubilden.