Skalierungshypothese: Welche nächsten Schritte muss die KI-Forschung gehen?
Können künstliche Intelligenzen beliebige intellektuelle Aufgaben meistern, wenn man die aktuellen Netze auf Gehirngröße zu skaliert? Ein Streitgespräch.
(Bild: Albert Hulm)
- Philipp Bongartz
- Pina Merkert
Neuronale Netze scheinen der perfekte Ansatz für künstliche Intelligenz: Sie brauchen lediglich einen großen Datensatz und lernen daraus die nötigen Muster. Als Mensch gibt man nur vor, was herauskommen soll und die simulierten Neuronen (und der Optimierungsalgorithmus fürs Trainieren der Parameter) kümmern sich um den Rest. Theoretisch können neuronale Netze jede beliebige logische Struktur abbilden. Sie sind "Turing-vollständig", was bedeutet, dass sie im Prinzip alles lernen können, was irgendein Computer jemals können wird. Sie können jede berechenbare Funktion berechnen, wenn sie groß genug sind.
In der Praxis stießen Forscher beim Training neuronaler Netze aber immer wieder an Grenzen. Beispielsweise waren zunächst wegen des "Vanishing Gradient-Problems" nur Netze mit einer Handvoll Schichten trainierbar. Abhilfe schafften dann sogenannte Residual-Verbindungen, mit denen über hundert Schichten möglich wurden. Solche Tricks können zwar bei manchen KI-Problemen erstaunliche Fortschritte bringen, funktionieren aber nicht bei jeder Problemstellung gleich gut. Dass KI momentan immer auf einzelne Probleme zugeschnitten sein muss, macht sie zur "schwachen KI". Der Begriff bezeichnet KI-Lösungen mit Inselbegabungen, die nur eine einzelne Anwendung beherrschen.
Der Traum vieler Futuristen ist eine "starke KI", die ähnlich wie ein Mensch ganz unterschiedliche Probleme intelligent lösen kann. Stark ist die KI, weil sie die gleiche Intelligenz für unterschiedliche Probleme anwenden kann und aus unterschiedlichen Situationen lernt. Außerdem müsste sie nicht von einem hoch bezahlten Experten für jedes neue Problem angepasst werden. Man würde ihr einfach erklären, bei welchem Problem sie helfen soll und sie würde an der Lösung mitarbeiten – mit jeder Menge Rechenpower und einem riesigen Schatz an Daten im Hintergrund. Starke KI ist ein Ziel, mit dem man prüft, ob man Fortschritte in die richtige Richtung macht.
Immer mehr Wissen. Das digitale Abo für IT und Technik.
Wärmepumpe simpel und effektiv: Über die Rolle von Dämmung, Solar und Co.
Vektorsuche mit den Datenbanken Qdrant und PostgreSQL im Vergleich
Elektroauto Mercedes EQA 300 4Matic im Test: Fährt gut, lädt gemächlich
Karrierewechsel: Warum sich ein Informatikstudium auch für Quereinsteiger lohnt
OpenCore Legacy Patcher: Wie Sie alte Macs mit jungem macOS aufbrezeln
Wie eine lokale KI die Fotosammlung auf dem NAS verschlagworten kann
Immer mehr Wissen. Das digitale Abo für IT und Technik.
Wärmepumpe simpel und effektiv: Über die Rolle von Dämmung, Solar und Co.
Vektorsuche mit den Datenbanken Qdrant und PostgreSQL im Vergleich
Elektroauto Mercedes EQA 300 4Matic im Test: Fährt gut, lädt gemächlich
Karrierewechsel: Warum sich ein Informatikstudium auch für Quereinsteiger lohnt
OpenCore Legacy Patcher: Wie Sie alte Macs mit jungem macOS aufbrezeln