Künstliche Allgemeine Intelligenz im Jahr 2025: Viel Erfolg dabei

Vor einigen Jahren sagten KI-Experten voraus, dass künstliche Allgemeine Intelligenz (AGI) bis 2050 Realität werden würde. Obwohl OpenAI zusammen mit Big Tech die Grenzen des Möglichen auslotet, wird die Verwirklichung von AGI laut Schätzungen von Sam Altman im Jahr 2025 wahrscheinlich nicht bald eintreten. Laut HP Newquist, Autor von The BrainMakers und Geschäftsführer der Beratungsfirma The Relayer Group, die die Entwicklung der praktischen KI verfolgt, ist das Verständnis für die aktuelle KI noch weit von der angestrebten AGI entfernt. Es gibt noch große Lücken im Verständnis und der Erklärbarkeit der Funktionsweise aktueller KIs, die geschlossen werden müssen, bevor eine AI geschaffen werden kann, die das leisten kann, was jeder Mensch kann.

OpenAI testet derzeit den fortschrittlichen Sprachmodus, der menschenähnlich klingen soll und Emotionen und nonverbale Hinweise erkennen kann. Auch wenn dieser Fortschritt dazu beiträgt, dass KI menschenähnlicher erscheint, gibt es noch viel Arbeit zu tun. Edward Tian, CEO von ZeroGPT, ist ebenfalls der Meinung, dass die Verwirklichung von AGI Zeit brauchen wird, da die Herausforderungen bei der Schaffung einer möglichst menschenähnlichen KI und ethischen Bedenken noch bestehen und 2025 kein realistisches Ziel ist.

Um AGI zu erreichen, muss ein System mehr leisten können als nur Ausgaben zu produzieren und in Gespräche verwickelt zu sein. Laut Max Li, CEO von Oort und außerordentlicher Professor am Fachbereich Elektrotechnik der Columbia University, sollten Entwickler sich darauf konzentrieren, die bestehenden AI-Modelle zu perfektionieren, um AGI zu erreichen. Derzeit fehlt es den aktuellen AI-Systemen an sozialen Fähigkeiten und Fähigkeiten in anderen Modalitäten, um diesen Schritt zu erreichen.

Um AGI zu erreichen, braucht es fortgeschrittene Lernalgorithmen, integrierte Systeme, massive Rechenleistung, vielfältige Daten und interdisziplinäre Zusammenarbeit, so Sergey Kastukevich, stellvertretender CTO des Unternehmens SOFTSWISS. LLMs sind auf komplexen Transformer-Modellen basierend, die zwar leistungsstark sind, aber nicht in Echtzeit lernen. Es bedarf noch umfangreicher Forschung und Entwicklung, um die Voraussetzungen für die künstliche Allgemeine Intelligenz zu schaffen.