OpenAIs Fortschritt in der Künstlichen Intelligenz: Ein Schritt näher an AGI

SAN FRANCISCO / MÜNCHEN (IT BOLTWISE) – OpenAI hat mit seinem neuen KI-Modell o3 einen bedeutenden Fortschritt in Richtung Künstliche Allgemeine Intelligenz (AGI) erzielt. Das Modell erreichte auf dem ARC-AGI-Benchmark eine Leistung, die mit der eines durchschnittlichen Menschen vergleichbar ist.

OpenAI hat kürzlich mit seinem neuen KI-Modell o3 einen bemerkenswerten Meilenstein erreicht, indem es auf dem ARC-AGI-Benchmark eine Leistung von 85 Prozent erzielte. Dies übertrifft den bisherigen Bestwert von KI-Systemen von 55 Prozent und entspricht dem Durchschnittswert menschlicher Testergebnisse. Diese Entwicklung markiert einen bedeutenden Schritt in Richtung der Erreichung von Künstlicher Allgemeiner Intelligenz (AGI), einem Ziel, das von führenden KI-Forschungslabors weltweit angestrebt wird.

Das ARC-AGI-Benchmark ist ein Test, der die Fähigkeit eines KI-Systems misst, sich effizient an neue Situationen anzupassen. Es prüft, wie viele Beispiele ein System benötigt, um die zugrunde liegenden Regeln einer neuen Aufgabe zu verstehen. Im Gegensatz zu Modellen wie ChatGPT, das auf Millionen von Textbeispielen trainiert wurde, zeigt das o3-Modell eine bemerkenswerte Fähigkeit zur Generalisierung aus wenigen Beispielen.

Die Fähigkeit, aus einer begrenzten Anzahl von Beispielen zu lernen und sich anzupassen, ist ein wesentlicher Bestandteil von Intelligenz. Dies wird durch die Fähigkeit zur Generalisierung definiert, die es einem System ermöglicht, unbekannte oder neuartige Probleme zu lösen. Der ARC-AGI-Test verwendet einfache Gitterprobleme, bei denen das KI-System die Regel herausfinden muss, die ein Gitter in ein anderes umwandelt.

Obwohl die genauen Methoden, die OpenAI zur Erreichung dieser Ergebnisse verwendet hat, noch nicht vollständig bekannt sind, deutet vieles darauf hin, dass das o3-Modell hochgradig anpassungsfähig ist. Es scheint in der Lage zu sein, aus wenigen Beispielen Regeln abzuleiten, die auf neue Situationen angewendet werden können. Diese Fähigkeit könnte auf die Verwendung von schwachen Regeln zurückzuführen sein, die in einfacheren Aussagen beschrieben werden können.

Francois Chollet, der Entwickler des ARC-AGI-Benchmarks, vermutet, dass das o3-Modell verschiedene “Gedankenketten” durchläuft, um die beste Lösung für eine Aufgabe zu finden. Diese Methode erinnert an die Vorgehensweise von Googles AlphaGo, das durch die Analyse verschiedener Zugfolgen den Weltmeister im Go besiegte.

Die Frage bleibt jedoch, ob dieser Fortschritt wirklich näher an die Erreichung von AGI heranführt. Wenn das o3-Modell tatsächlich auf ähnliche Weise wie AlphaGo funktioniert, könnte es sein, dass das zugrunde liegende Modell nicht wesentlich besser ist als frühere Modelle. Dennoch bleibt die Möglichkeit bestehen, dass das o3-Modell durch die zusätzliche Trainingsphase eine allgemeinere “Gedankenkette” gefunden hat, die speziell auf diesen Test zugeschnitten ist.

Die vollständigen Fähigkeiten und das Potenzial des o3-Modells werden erst nach umfassenden Tests und Bewertungen klarer werden. Sollte sich herausstellen, dass es tatsächlich so anpassungsfähig wie ein durchschnittlicher Mensch ist, könnte dies erhebliche wirtschaftliche Auswirkungen haben und eine neue Ära der selbstverbessernden Intelligenz einläuten. Dies würde neue Maßstäbe für AGI setzen und erfordern, dass wir uns ernsthaft mit der Frage auseinandersetzen, wie solche Systeme reguliert werden sollten.