Metas KI-Chef: LLMs erreichen möglicherweise nie menschliche Intelligenz

Fähigkeiten wie Sprach- und Mathematikbegabung der frühen Menschen setzen von Anfang an den Maßstab für allgemeine Intelligenz. Yann LeCun, ein KI-Experte und Vertreter einer anderen Position, glaubt hingegen nicht, dass eine solche allgemeine Intelligenz in naher Zukunft erreicht werden kann. LeCun sprach kürzlich bei einer Veranstaltung im London Engineering Center in Europa über die Unsicherheit der künstlichen Intelligenz der Menschheit. Darüber hinaus betonte er die Diskrepanz zwischen den Fähigkeiten des Menschen und denen der künstlichen Intelligenz.

Skepsis gegenüber AGI

LeCun betrachtet das Thema der künstlichen allgemeinen Intelligenz (AGI) mit Unbehagen, da er die immense Komplexität der menschlichen Intelligenz als großes Hindernis ansieht. Stattdessen befürwortet er die Idee einer menschenähnlichen KI, die er jedoch als ein ambitioniertes Ziel betrachtet. LeCun nennt vier miteinander verbundene, angeborene kognitive Herausforderungen – Planung, dauerhaftes Behalten von Erinnerungen und Welterkenntnis –, die in den heutigen KI-Ansätzen außer Acht gelassen werden.

Das große Sprachmodell ist das Hauptziel von LeCuns Kritik. Beispiele hierfür sind LLaMA von Meta, GPT-3 und Bard von OpenAI bzw. Google. Diese Modelle beherrschen Sprachen zwar fehlerfrei, ihr Wissen bleibt jedoch statisch (textbasiertes Lernen behindert demnach ein tieferes Verständnis der Realität). LeCun behauptet, dass Text als riesige Menge strukturierter und organisierter Daten dargestellt wird, physische Erfahrungen sich aber qualitativ von Texten unterscheiden und das andere Ende des Spektrums bilden.

Die Argumentation gegen die Geisteshaltung von LLMs

LeCun vertritt die Ansicht, dass Sprachkompetenz von Sprachwissenschaftlern nicht deren Intelligenz beweist, da ihnen der Zugang zu Erfahrung, bestehendem Wissen und dentracGeheimnissen des realen Lebens verwehrt bleibt. Dies ist der Kernpunkt, den er betont: Mit ihrer derzeitigen textbasierten Lernarchitektur kann KI nicht wie Menschen agieren. Solange KI ihr Lernprinzip nicht grundlegend ändert, bleibt es unmöglich, eine KI zu entwickeln, die Sprachen so versteht und anwendet wie der Mensch. LeCun plädiert daher für einen neuen Ansatz, der sich auf zielorientierte KI-Systeme konzentriert, die Wissen aus der realen Welt und nicht nur aus Textdaten gewinnen.

Während textzentrierte Methoden eine Alternative bieten, schlägt LeCun die Idee der „zielorientierten KI“ vor, deren Ziel es ist, von MenschendefiZiele für Maschinen zu erreichen. Diese Systeme nutzen sensorische Eingaben und Videodaten, um ein überlegenes „Weltmodell“ zu erstellen, auf dessen Grundlage die nachfolgende Planung und Entscheidungsfindung auf einem festgelegten Spektrum verfügbarer Optionen basiert. Die Fähigkeit, das Gelernte anzuwenden und die Konsequenzen des Handelns zu verstehen, bedeutet, dass KI-Systeme mit wertebasierter Motivation komplexere Aufgaben schneller bewältigen können.

Die Navigation durch die KI-Evolution: Yann LeCuns Perspektive

LeCun stellte diese Tatsache fest, ohne jedoch die Idee einer schrittweisen Übererfüllung der menschlichen Intelligenz auszuschließen. Er wies darauf hin, dass man in einem solchen Prozess die Zeiträume nicht überschätzen dürfe. Er betonte die Notwendigkeit fortgesetzter KI-Forschung und -Entwicklung, um die Lücke zwischen heutigen Anwendungen und dem atemberaubenden Konzept einer KI-Intelligenz zu schließen.

Die Tatsache, dass Yann LeCuns Haltung gegenüber AGI der zugrundeliegenden Philosophie der KI und der Zukunftsforschung widerspricht, steht im Widerspruch zur gegenwärtig vorherrschenden Auffassung von der Entwicklung der KI. Obwohl LeCun die Grenzen von Modellen des Lebenszyklusmanagements (LLM) anerkennt, befürwortet er den Einsatz von KI zur Lösung spezifischer Probleme und entwirft damit ein komplexes Bild des Weges zu menschenähnlicher Intelligenz. Angesichts der fortlaufenden Diskussionen über die Zukunft der KI sollten LeCuns Einschätzungen zu introspektiven Fragen über die zugrundeliegenden, vielschichtigen Probleme anregen.