Artificial General Intelligence (AGI) ist eine theoretische Form von KI, die jede intellektuelle Aufgabe ausführen kann, die ein Mensch bewältigen kann. Im Gegensatz zu heutigen KI-Systemen, die für bestimmte Aufgaben wie Betrugserkennung, Filmempfehlungen oder Textgenerierung entwickelt wurden, würde eine AGI breit argumentieren, Wissen von einem Bereich auf einen anderen übertragen und unbekannte Probleme lösen, ohne explizit für jedes einzelne neu trainiert zu werden. Der Begriff wird oft synonym mit „starker KI“ oder „KI auf menschlichem Niveau“ verwendet.
Wie funktioniert Artificial General Intelligence (AGI)?
AGI wurde bisher nicht erreicht, daher bedeutet die Beschreibung, wie sie „funktioniert“, die Forschungsansätze zu beschreiben, die auf ihren Aufbau abzielen. Die meisten Bemühungen konzentrieren sich darauf, bestehende Deep-Learning-Architekturen zu skalieren, Foundation Models mit deutlich größeren und vielfältigeren Datensätzen zu trainieren und die Argumentations- und Planungsfähigkeiten großer Sprachmodelle zu verbessern. Ein ergänzender Forschungszweig versucht, KI-Systeme mit Gedächtnis, Weltmodellen und der Fähigkeit zum Handeln in Umgebungen (durch Robotik oder Werkzeugnutzung) auszustatten, damit sie aus Erfahrung lernen können, wie Menschen es tun.
Stellen Sie sich vor, Sie zeigen einem solchen System ein kurzes Video von jemandem, der Fahrrad fährt. Eine schwache KI, die nur auf Fahrraddaten trainiert wurde, könnte das Video klassifizieren, aber nur ein allgemein intelligentes System wäre in der Lage, das Gleichgewicht abzuleiten, vorherzusagen, was an einem Hang passiert, eine Sicherheitslektion für ein Kind zu entwerfen und ein Gedicht über die Fahrt zu schreiben. Diese Art von fließendem, bereichsübergreifendem Wissenstransfer zu erreichen, ist die zentrale Herausforderung, die die AGI-Forschung zu lösen versucht.
Warum ist das wichtig?
AGI wird diskutiert, weil die wirtschaftlichen und gesellschaftlichen Einsätze enorm wären, wenn sie erreicht würde. Ein System, das menschliches Denken über die gesamte Bandbreite beruflicher Arbeit hinweg erreicht, könnte im Prinzip wissenschaftliche Forschung beschleunigen, komplexe Entscheidungen automatisieren und den Arbeitsmarkt neu gestalten. Dieselben Fähigkeiten werfen jedoch ernsthafte Fragen zu Sicherheit, Alignment, Verantwortlichkeit und Machtkonzentration auf, weshalb Organisationen wie das Center for AI Safety und akademische Gruppen weltweit Frameworks und politische Empfehlungen veröffentlicht haben, die darauf abzielen, sich auf fortschrittliche KI-Systeme vorzubereiten, bevor diese eintreffen.
Wichtige Konzepte im Zusammenhang mit AGI
- Schwache KI (Narrow AI): Der heutige Standard – Systeme, die eine einzelne, klar definierte Aufgabe ausführen, etwa Spam-Filterung oder Spracherkennung.
- Foundation Models: Große, allgemein einsetzbare Modelle (zum Beispiel große Sprachmodelle), die an viele Aufgaben angepasst werden können und die einige Forscher als einen Schritt in Richtung AGI sehen.
- Superintelligenz: Ein System, dessen Fähigkeiten in jedem Bereich die beste menschliche Leistung übertreffen würden; wird weithin als mögliche Folge, nicht als Synonym von AGI betrachtet.
- AI Alignment: Das Forschungsfeld, das sich darauf konzentriert, sicherzustellen, dass zunehmend leistungsfähige KI-Systeme im Einklang mit menschlichen Zielen und Werten handeln.
- KI auf menschlichem Niveau (Human-level AI): Ein Nahsynonym für AGI, das manchmal verwendet wird, um die Gleichwertigkeit mit menschlicher Kognition statt eine bestimmte Architektur zu betonen.
Ob AGI Jahre, Jahrzehnte oder Jahrhunderte entfernt ist, bleibt unter Forschenden eine offene und aktiv diskutierte Frage, doch der Begriff ist zu einer nützlichen Kurzformel für die langfristige Bestrebung geworden, die einen erheblichen Teil der modernen KI-Forschung und politischen Arbeit antreibt. Für einen tieferen Überblick darüber, wie Forschende die Herausforderung einordnen, siehe das „Levels of AGI“-Papier von Morris et al. (2023) auf arXiv.