Das ist unklar.

In hohem Maße bewegt sich dieses Forschungsgebiet auf unbekanntem Terrain. Es könnte sein, dass es keine wirklichen Hindernisse mehr gibt und dass geringfügige Anpassungen der aktuellen Techniken zu Superintelligenz führen oder zu KIs, die intelligent genug sind, um etwas intelligentere KIs zu entwickeln, die wiederum etwas intelligentere KIs entwickeln, die superintelligente KIs entwickeln.

Wenn es wichtige Hindernisse gibt, wissen wir nicht, wie lange die Menschheit brauchen wird, um sie zu überwinden (mit oder ohne Hilfe der KI).

Was wir wissen, ist, dass führende KI-Labore ausdrücklich in diese Richtung drängen, und wir wissen, dass sie Fortschritte machen. Früher konnten Maschinen weder zeichnen noch sprechen oder Code schreiben, heute können sie das.

Das Fachgebiet ist gut darin, Hindernisse zu überwinden.

Jahrzehntelang hatten KI-Systeme Schwierigkeiten, ein Bild einer Katze von einem Bild eines Autos zu unterscheiden. Ein Wendepunkt kam 2012, als die Forscher Alex Krizhevsky, Ilya Sutskever und Geoffrey Hinton von der University of Toronto AlexNet entwickelten, ein Convolutional Neural Network, das den Stand der Technik deutlich übertraf. Dieses Ereignis wird weithin als Auslöser der modernen KI-Revolution angesehen, in der künstliche neuronale Netzwerke für fast jede moderne KI verwendet werden.

KI war früher schlecht in Brettspielen. Selbst nachdem die Schach-KI Deep Blue 1997 Großmeister Garry Kasparov besiegt hatte, hatten Computer Schwierigkeiten mit der viel größeren Anzahl möglicher Züge im Go-Spiel. Das änderte sich 2016, als AlphaGo den Weltmeister Lee Sedol besiegte, nachdem es anhand Tausender menschlicher Partien trainiert worden war und eine neue Architektur verwendete, die tiefe neuronale Netze mit Baumsuche kombinierte. Nachdem sie Go besiegt hatten, verwendete das Team von DeepMind denselben Algorithmus in einer allgemeineren Form namens AlphaZero und stellte fest, dass er nicht nur bei Go, sondern auch bei anderen Spielen wie Schach und Shogi dominierte.

Frühe Chatbots waren in ihrer Kommunikation eingeschränkt. Dann, im Jahr 2020, brachte uns die Weiterentwicklung der Transformer-Architektur GPT-3, das so ausgereift war, dass es Texte übersetzen, Fragen beantworten und sogar realistisch wirkende Beispiele für Nachrichtenartikel generieren konnte. Nachdem es ein wenig umtrainiert worden war, um wie ein Chatbot zu agieren, wurde es zur am schnellsten wachsenden Verbraucheranwendung aller Zeiten.

Gibt es Hindernisse zwischen moderner KI und der "echten KI", also der Art von KI, die zu einer Superintelligenz werden oder diese erschaffen könnte?

Vielleicht. Vielleicht sind weitere architektonische Erkenntnisse erforderlich, wie die hinter AlexNet, die das gesamte Feld der modernen KI erschlossen haben, oder wie die hinter AlphaZero, die es KI endlich ermöglichen, mit demselben Algorithmus mehrere Spiele gut zu spielen, oder die hinter ChatGPT, die Computer zum Sprechen gebracht haben. (Oder vielleicht auch nicht. Vielleicht überschreiten moderne KIs still und leise eine Schwelle und das war's dann.)

Aber wenn es noch Hindernisse gibt, werden die Forscher auf diesem Gebiet sie wahrscheinlich überwinden. Darin sind sie ziemlich gut, und es gibt heute weit mehr Forscher, die sich mit diesem Problem beschäftigen, als es 2012 der Fall war.

Im Juli 2025 haben KIs noch Schwierigkeiten mit Aufgaben, die ein Langzeitgedächtnis und konsistente Planung erfordern, wie zum Beispiel das Videospiel Pokémon. Man könnte versucht sein, sich den Skeptikern anzuschließen und über die jüngsten Misserfolge der KIs zu lachen, denn wie könnten KIs, die mit einfachen Videospielen zu kämpfen haben, auch nur annähernd Superintelligenz erreichen?

Genauso hatten KI im Jahr 2019 große Schwierigkeiten, sich kohärent auszudrücken. Das bedeutete jedoch nicht, dass der Erfolg noch zwanzig Jahre auf sich warten lassen würde. Die Labore arbeiten intensiv daran, die Hindernisse zu identifizieren, die dazu führen, dass KI bei bestimmten Aufgaben unterdurchschnittliche Leistungen erbringen, und sie sind wahrscheinlich auf dem besten Weg, neue Architekturen zu finden, die besser für Langzeitgedächtnis und Planung geeignet sind. Niemand weiß, wozu diese KIs in der Lage sein werden.

Wenn diese nächste Phase nicht ausreicht, damit die KIs mit der Automatisierung der wissenschaftlichen und technologischen Forschung beginnen (einschließlich der Entwicklung noch intelligenterer KIs), werden die Forscher ihre Aufmerksamkeit einfach auf das nächste Hindernis richten. Sie werden weitermachen, bis die Menschheit einschreitet und solche Forschungen verbietet. Das ist ein Thema, das wir in späteren Kapiteln behandeln werden.

Notes