KI-Forscher François Chollet sieht "transformative" Fortschritte bei KI - aber nicht einen bei der Entwicklung einer menschenähnlichen Künstlichen Intelligenz. Ist sein Frust berechtigt?
Führende KI-Unternehmen wie Deepmind oder OpenAI entwickeln laufend KI-Modelle, die neue Standards setzen. So treiben sie die Entwicklung Künstlicher Intelligenz voran und letztlich auch deren Einsatz für KI-Anwendungen in unserem Alltag.
Chollet etwa arbeitet bei Google in der Forschung: Wahrscheinlich nutzt kein anderer Konzern KI so grundlegend in den eigenen Produkten. Der Forscher selbst hat die Keras Deep-Learning-Bibliothek entwickelt und wesentlich zum TensorFlow-Framework für maschinelles Lernen beigetragen.
Chollet: Keinen Schritt weiter bei genereller KI
Das eigentliche Forschungsziel von Deepmind und OpenAI liegt allerdings eine Stufe über pragmatischen Alltagsanwendungen: Die Unternehmen wollen generelle Künstliche Intelligenz schaffen, eine KI mit menschenähnlicher Intelligenz, die eigenständig lernen und ihren Verstand auf viele unterschiedliche Aufgaben anwenden kann - anders als heutige Spezialistensysteme. Diese generelle KI wäre der wohl größtmögliche Durchbruch der KI-Forschung und der Anbeginn eines neuen technologischen Zeitalters.
Bei Twitter äußert Chollet, der selbst an genereller KI forscht, seine Bewunderung für die Effizienz menschlichen Lernens: Er sei immer wieder erstaunt, wie schnell Kleinkinder lernten. Eine Sache, die sie zum ersten Mal machten, könnten sie sofort "in unendlich vielen Variationen und in unendlich vielen verschiedenen Situationen" verallgemeinern.
Aktuellen KI-Systemen hingegen muss dieses Abstraktionsvermögen, sofern es denn bei KI als solches bezeichnet werden kann, mit unzähligen Beispielen aufwendig antrainiert werden. Abstraktion und logisches Denken sind für Chollet jedoch wesentliche Bausteine von Intelligenz.
I know I am not the first, nor the last, to feel like this. pic.twitter.com/3hWbtsT8rQ
— François Chollet (@fchollet) December 23, 2021
Es sei frustrierend, so Chollet, dass in den letzten zehn Jahren keine Fortschritte auf dem Weg zu generellerer Künstlicher Intelligenz gelungen seien. "Als ich anfing, mich mit dieser Frage zu befassen, erwartete ich, dass wir inzwischen zumindest den Ansatz einer Antwort haben würden. Wir haben nichts", sagt Chollet.
Der Weg zu genereller KI ist auch eine Frage der Perspektive
Mit seiner Feststellung wolle er nicht die Fortschritte der KI-Forschung schmälern, so Chollet, speziell nicht die Deep-Learning-Erfolge der letzten zehn Jahre. Diese seien bewundernswert und "auf viele Arten transformativ". Sie hätten nur keinen Belang für die Entwicklung einer generellen KI.
Damit stichelt Chollet auch unmittelbar in Richtung seiner Kolleg:innen bei Deepmind, die ihre Forschung zum Teil auf dem richtigen Pfad zur Entwicklung einer generellen KI wähnen und große Hoffnungen darin setzen, etwa für die Bekämpfung des Klimawandels.
Auch die jüngsten Fortschritte bei multimodaler KI, also Künstlicher Intelligenz, die mit verschiedenen Datenarten wie Text und Bild trainiert wird und deshalb flexibler eingesetzt werden kann, wischt Chollet im Kontext genereller KI durch seine Aussage beiseite.
In den letzten beiden Jahren standen außerdem besonders große KI-Modelle im Fokus der Forschung und Entwicklung. Diese Modelle zeigen zum einen, dass mehr Datentraining meist zu besseren KI-Leistungen führt. Zum anderen zeigen sie auch, dass aus großen, vortrainierten KI-Modellen kleinere, spezialisiertere KI-Modelle für neue Anwendungen mit relativ wenig Aufwand abgeleitet werden können.
Auch diese Erkenntnis könnte man, je nach Perspektive, als Fortschritt zu generellerer KI werten: ein großes KI-Modell, das mit Feinjustierung viele Anwendungsfälle abdecken kann. Chollet sieht es offensichtlich anders.
