Jeff Dean leitet bei Google die KI-Entwicklung. Er sieht drei zentrale Punkte, die für wirklich intelligente KI noch fehlen - aber bei denen sich ein Pfad zur Lösung womöglich schon abzeichnet.
Bevor wir über die Intelligenz Künstlicher Intelligenz sprechen, sind zwei zentrale Aspekte wichtig: Zum einen, dass Intelligenz ein unscharf definierter Begriff ist. Zum anderen gibt es gute Gründe, anzunehmen, dass Intelligenz ein Spektrum ist und unterschiedliche Arten Intelligenz existieren.
Häufig wird der Begriff Intelligenz mit dem menschlichen Verstand gleichgesetzt und hier insbesondere mit den Fähigkeiten, effizient zu lernen und Gelerntes auf unterschiedliche Aufgaben übertragen zu können, also zu generalisieren. Heutige KI-Systeme sind meist nur in einzelnen Aufgaben gut, weshalb ihnen mitunter die Intelligenz abgesprochen wird.
Ähnlich sieht das Googles KI-Chef Jeff Dean: "Ich denke, die große Herausforderung im Bereich der KI besteht darin, wie man eine Reihe von Aufgaben, die man bereits beherrscht, möglichst einfach und mühelos auf neue Aufgaben verallgemeinern kann."
Drei große Meilensteine der KI-Entwicklung
Für Dean ist aktuelles KI-Training, bei dem viele spezialisierte Modelle entstehen, ineffizient und damit das erste Problem: "Wenn man ein neuronales Netz von Grund auf neu trainiert, ist das so, als würde man jedes Mal, wenn man etwas Neues ausprobiert, seine gesamte Ausbildung vergessen. Das ist doch verrückt, oder?", sagt Dean bei einem Vortrag. Stattdessen müssten KI-Systeme entwickelt werden, die "Tausende oder Millionen Aufgaben beherrschen", indem sie ihr Wissen generalisieren.
Das zweite zu lösende Problem auf dem Weg zu generellerer KI ist laut Dean die Verarbeitung vieler unterschiedlicher Daten, wie sie Menschen beherrschen. KI-Systeme seien überwiegend auf eine Datenart spezialisiert, etwa Text, Bilder oder Video. Multimodale KI-Systeme, wie sie 2021 von Google und anderen Unternehmen gezeigt wurden, sind dafür ein Lösungsansatz.
Das dritte Problem ist für Dean die fehlende Effizienz aktueller KI-Modelle, die bei jeder Aufgabe das gesamte neuronale Netz aktivierten, ob die Aufgabe nun anspruchsvoll oder einfach sei. "Auch das ist anders als die Funktionsweise unseres eigenen Gehirns. Verschiedene Teile unseres Gehirns sind für verschiedene Dinge gut, und wir rufen ständig die Teile von ihnen ab, die für die jeweilige Aufgabe relevant sind", sagt Dean.
Pathways: Googles Weg zu generellerer Künstlicher Intelligenz?
Wenn es Forschenden gelingt, diese drei Probleme zu beheben, erwartet Dean leistungsfähigere KI-Systeme: Eine Handvoll Allzweckmodelle könnten dann laut Dean Tausende oder Millionen Aufgaben erledigen, die sich mit allen statt mit einzelnen Modalitäten befassen und in der Lage sind, diese zu kombinieren. Damit sie dabei effizient agieren, aktivieren sie nur die für eine spezifische Aufgabe jeweils benötigten Bereiche im künstlichen neuronalen Netz.
Laut Dean ist die von Google entworfene KI-Architektur Pathways ein Schritt in diese KI-Zukunft. Pathways ist eine Art Bauplan für ein intelligentes KI-Mehrzwecksystem, das Google im letzten Herbst enthüllte, zu dem aber noch keine technischen Details vorliegen.
Dean gibt sich zuversichtlich, dass Pathways ein großer Schritt ist zu einer neuen Generation Künstliche Intelligenz: "Wir sind ziemlich begeistert davon, wir glauben, dass dies ein Schritt nach vorne sein wird, wie wir KI-Systeme bauen."
Nach dem Pathways-Prinzip entworfene KI-Modelle könnten ein tieferes Verständnis der Welt erlangen und dabei helfen, "einige der größten Probleme der Menschheit" zu lösen. Als Beispiele nennt Dean die Entwicklung von Medikamenten, effizientere Bildungssysteme oder den Klimawandel.
Der renommierte KI-Forscher François Chollet ist weniger zuversichtlich: Er sieht in den letzten zehn Jahren keine signifikanten Fortschritte hin zu genereller Künstlicher Intelligenz - was interessant ist, da Chollet ebenfalls für Google arbeitet und mit Pathways vertraut sein dürfte.
