KI-Forscher: Firmen investieren Milliarden Dollar in eine Sackgasse

Die Mehrheit der KI-Experten kommt inzwischen zu der Ein­schät­zung, dass große Unternehmen Milliarden von Dollar in eine Sack­gasse investieren. Der Status einer Künstlichen allgemeinen In­tel­li­genz (AGI) sei auf dem gewählten Pfad unerreichbar.

Reine Skalierung funktioniert nicht

Die Hoffnung vieler Technologieunternehmen besteht darin, durch das bloße Hochskalieren bestehender KI-Modelle die AGI zu erreichen. Diese Vorstellung gerät aber zunehmend ins Wanken. Eine aktuelle Umfrage unter 475 KI-Forschern zeigt, dass rund 76 Prozent der Befragten es für "unwahrscheinlich" oder sogar "sehr unwahrscheinlich" halten, dass diese Strategie zum Erfolg führt.

Diese skeptische Haltung markiert eine deutliche Abkehr von der optimistischen Annahme, dass "Skalierung allein ausreicht" - eine Philosophie, die insbesondere seit dem Aufschwung der generativen KI im Jahr 2022 vorherrschte. Fortschritte bei Modellen auf Basis von Transformern, die durch immer größere Datenmengen verbessert wurden, schienen diese These zunächst zu bestätigen. Doch die jüngsten KI-Modelle zeigen nur noch minimale qualitative Verbesserungen, was Experten an den weiteren Nutzen dieser Methode zweifeln lässt.


"Die riesigen Investitionen in Skalierung, ohne ein entsprechendes Verständnis darüber, was dabei eigentlich passiert, waren für mich schon immer fragwürdig. Vor etwa einem Jahr wurde dann vielen klar, dass sich die Fortschritte auf diesem Weg verlangsamen", erklärte Stuart Russell von der University of California, Berkeley, Mitglied des Forschungsteams hinter dem Bericht der Association for the Advancement of Artificial Intelligence.

Trotz dieser Unsicherheiten planen Technologieunternehmen weiterhin massive Investitionen in KI-Infrastruktur. In den kommenden Jahren sollen Schätzungen zufolge insgesamt rund eine Billion Dollar in Rechenzentren und spezialisierte Chips fließen.

Bis zum Selbstbetrug

Ein weiterer kritischer Punkt ist die Öffentlichkeitswahrnehmung der KI-Fortschritte. Laut der Umfrage stimmen 80 Prozent der Befragten der Aussage zu, dass die Darstellung der Fähigkeiten aktueller KI-Systeme nicht mit der Realität übereinstimmt. "Viele der als menschenähnlich gepriesenen Systeme - etwa für das Programmieren oder mathematische Problemlösungen - machen immer noch grundlegende Fehler", warnt Thomas Dietterich von der Oregon State University, der ebenfalls an dem Bericht mitgewirkt hat. Diese Systeme seien zwar nützliche Werkzeuge, aber keineswegs ein Ersatz für menschliche Arbeitskräfte.

Ein neuerer Ansatz, der verstärkt verfolgt wird, ist das sogenannte "Inference Time Scaling". Dabei wird den Modellen mehr Rechenleistung und Zeit pro Anfrage zur Verfügung gestellt, um genauere Antworten zu liefern. Arvind Narayanan von der Princeton University hält diese Strategie jedoch nicht für eine "Patentlösung" zur Erreichung von AGI.

Ein weiteres Problem ist die uneinheitliche Definition von AGI. Google DeepMind betrachtet sie als eine KI, die in kognitiven Tests alle Menschen übertrifft, während Huawei die physische Interaktion mit der Umwelt als essenziell ansieht. Microsoft und OpenAI wiederum verknüpfen AGI mit einem wirtschaftlichen Ziel: Erst wenn ein KI-Modell 100 Milliarden US-Dollar Gewinn generieren kann, soll AGI als erreicht gelten.


Siehe auch: