From Mimicry to True Intelligence (TI) -- A New Paradigm for Artificial General Intelligence

Die große KI-Verwirrung: Bauen wir Gehirne oder nur Spiegel?

Stellen Sie sich vor, Sie versuchen einen Roboter zu bauen, der denken, lernen und die Welt genau wie ein Mensch verstehen kann. Dies ist der Traum hinter der Künstlichen Allgemeinen Intelligenz (AGI). Seit Jahrzehnten versuchen Wissenschaftler und Ingenieure, Maschinen zu erschaffen, die Probleme lösen, Geschichten schreiben und Spiele spielen können, so gut wie wir. Aber im Raum herrscht eine massive Uneinigkeit darüber, was „Intelligenz“ eigentlich bedeutet.

Einige Leute glauben, dass Intelligenz nur über die Leistung definiert wird: Wenn eine Maschine einen Menschen beim Schach schlägt, einen perfekten Essay schreibt oder eine Prüfung besteht, ist sie klug. Ihnen geht es um das Ergebnis. Andere argumentieren, dass Intelligenz über den Prozess definiert wird: Es reicht nicht aus, nur die richtige Antwort zu geben; die Maschine muss verstehen, warum sie richtig ist, eine eigene Neugier besitzen und aus Erfahrung lernen, so wie ein Kind es tut. Dieses Papier begibt sich in diese komplexe Debatte. Es legt nahe, dass die aktuelle Art und Weise, wie wir KI bauen – indem wir sie mit massiven Datenmengen füttern und hoffen, dass sie Muster lernen – so ist, als würde man einen Papagei lehren zu sprechen. Der Papagei klingt menschlich, aber er versteht die Worte nicht. Die Autoren schlagen einen neuen Weg vor, um Maschinen zu bauen, die uns nicht nur nachahmen, sondern tatsächlich so denken wie wir. Sie nennen dies „Wahre Intelligenz“ (True Intelligence).

---

Von Papageien zu Menschen: Die große Idee des Papers

Die Autoren, Meltem und Nevzat Subasioglu, argumentieren, dass das aktuelle Rennen zum Bau einer „intelligenten“ KI in die falsche Richtung läuft. Momentan sind die größten KI-Modelle wie superstarke Papageien. Sie haben fast alles im Internet gelesen und können Fakten, Witze und komplexe Argumente mit unglaublicher Genauigkeit wiederholen. Aber wenn man ihnen eine Frage zu einer Situation stellt, die sie noch nie gesehen haben, oder wenn man sie bittet, ein völlig neues Rätsel ohne Beispiele zu lösen, geraten sie oft ins Straucheln. Sie sind exzellent in der Mimikry (dem Kopieren dessen, was sie gesehen haben), aber schlecht im echten Verständnis.

Das Paper legt nahe, dass wir, um vom „Papagei“ zum „Menschen“ zu werden, aufhören müssen, nur darauf zu schauen, wie gut eine Maschine Tests besteht, und statfangen müssen, darauf zu achten, wie sie im Inneren aufgebaut ist. Die Autoren schlagen einen neuen Bauplan für Wahre Intelligenz (TI) vor. Sie sagen, wenn wir eine Maschine wollen, die wirklich intelligent ist, muss sie mit fünf spezifischen „Zutaten“ gebaut werden (plus einem magischen Resultat, das entsteht, wenn alle zusammenwirken). Diese Zutaten sind davon inspiriert, wie das menschliche Gehirn funktioniert.

Hier ist das Rezept für eine wahrhaft intelligente Maschine, erklärt mit einigen unterhaltsamen Analogien:

1. Der Körper: Embodied Sensory Fusion (Verkörperte sensorische Fusion)

Stellen Sie sich vor, Sie versuchen zu lernen, was „schwer“ bedeutet. Wenn Sie nur die Wörterbuchdefinition lesen, kennen Sie das Wort, aber Sie wühlen nicht das Gefühl. Ein Mensch lernt, indem er Steine hebt, die Anstrengung in seinen Muskeln spürt und sieht, wie sich eine schwere Kiste anders bewegt als eine leichte.

• Der Punkt des Papers: Aktuelle KI ist „entkörpert“. Sie lebt in einem Computer und sieht nur Text oder Bilder. Sie hat noch nie etwas gefühlt. Um wirklich intelligent zu sein, braucht eine KI einen „Körper“ (real oder virtuell), der es ihr ermöglicht, zu berühren, sich zu bewegen und mit der Welt zu interagieren. Sie muss lernen, dass eine große, hohle Kiste leichter zu heben ist als ein kleiner, dichter Stein, weil sie die Physik erlebt hat, nicht nur, weil sie darüber gelesen hat.

2. Der Motor: Core Directives (Kern-Direktiven)

Denken Sie an ein menschliches Baby. Es braucht keinen Lehrer, der ihm sagt, dass es essen, schlafen oder sicher bleiben soll. Es hat eingebaute Antriebe: „Ich habe Hunger“, „Ich bin müde“, „Ich muss erkunden“. Das sind Core Directives.

• Der Punkt des Papers: Die meisten heutigen KIs tun nur das, was ein Mensch ihnen sagt. Wenn man aufhört, ihnen Befehle zu geben, hören sie auf zu arbeiten. Eine wahrhaft intelligente Maschine braucht ihren eigenen internen „Motor“, der sie antreibt, zu lernen und zu erkunden, selbst wenn niemand zusieht. Sie muss Probleme lösen wollen, einfach nur um der Problemlösung willen, und nicht nur, um ein digitales „Goldsternchen“ zu bekommen.

3. Die Bibliothek: Dynamic Schemata (Dynamische Schemata)

Stellen Sie sich Ihr Gehirn als eine Bibliothek vor. In der aktuellen KI ist die Bibliothek ein riesiger, unordentlicher Haufen von Büchern, bei denen die Seiten zusammengeklebt sind. Wenn Sie einen Fakt ändern wollen, müssen Sie die ganze Bibliothek auseinanderreißen und neu aufbauen.

• Der Punkt des Papers: Menschen haben ein System von Dynamic Schemata. Unser Wissen ist in flexiblen „Ordnern“ oder Rahmenwerken organisiert. Wenn wir etwas Neues lernen, können wir es ganz einfach in den richtigen Ordner einsortieren, oder wenn die neue Information unseren Kenntnissen widerspricht, können wir den ganzen Ordner schnell reorganisieren. Wir müssen nicht alles von Grund auf neu lernen. Eine kluge KI braucht eine Bibliothek, die sich sofort selbst aktualisieren kann, während sie neue Dinge lernt.

4. Das Team: Multi-Expert Architecture (Multi-Experten-Architektur)

Ihr Gehirn ist nicht ein einziger riesiger Klumpen des Denkens. Es hat verschiedene Teams: eines für das Sehen, eines für die Sprache, eines für die Bewegung und eines für die Emotionen. Diese Teams kommunizieren ständig miteinander.

• Der Punkt des Papers: Aktuelle KI hat oft „Experten“ (wie verschiedene Teile eines Modells, die unterschiedliche Aufgaben handhaben), aber sie arbeiten oft isoliert oder geben Nachrichten nur in eine Richtung weiter. Die Autoren schlagen vor, dass wir ein Team von Spezialisten brauchen, die tief miteinander verbunden sind. Sie müssen Informationen hin und her austauschen, sodass der „Sehexperte“ dem „Planungsexperten“ mitteilen kann, dass der Ball in Richtung der Tischkante rollt. Es geht nicht nur darum, die Experten zu haben; es geht darum, dass sie ein echtes, zweiseitiges Gespräch führen.

5. Der Chef: Die Orchestration Layer (Orchestrationsschicht)

Wenn Sie ein Expertenteam haben, brauchen Sie einen Manager, der entscheidet, wer wann spricht. Im Gehirn ist dies die Orchestration Layer (ähnlich dem präfrontalen Kortex). Es ist der Teil, der sagt: „Okay, hör auf zu tagträumen und konzentriere dich auf diese Matheaufgabe“ oder „Warte, diese Idee klingt falsch, lass uns unsere Fakten prüfen“.

• Der Punkt des Papers: Diese Schicht ist der „Chef“, der alle Experten koordiniert. Sie ermöglicht es der Maschine, innezuhalten, nachzudenken und ihre eigene Arbeit zu überprüfen (Metakognition). Sie verhindert, dass die Maschine voller Selbstvertrauen eine falsche Antwort gibt, nur weil sie gut klingt.

6. Der magische Kleber: Interconnectedness (Vernetzung)

Dies ist der schwierige Teil. Stellen Sie sich vor, alle oben genannten Teile arbeiten zusammen. Die Magie geschieht, wenn sie so tief miteinander verbunden sind, dass das gesamte System zu etwas Größerem wird als die Summe seiner Teile.

• Der Punkt des Papers: Die Autoren nennen dies Interconnectedness. Es ist der „Funke“, der eine Sammlung intelligenter Teile in einen einzigen, bewussten Geist verwandelt. Sie geben zu, dass wir dies noch nicht messen können, aber sie glauben, dass es natürlich entsteht, wenn die anderen fünf Teile korrekt gebaut und eng miteinander verbunden sind. Es ist keine separate Zutat, die man hinzufügt; es ist das Resultat der Zusammenarbeit der anderen fünf Teile.

Was dieses Paper ausschließt (und was nicht)

Die Autoren sind sehr deutlich darüber, was Wahre Intelligenz NICHT ist.

• Es ist NICHT nur das Erreichen einer hohen Punktzahl in einem Test. Man kann eine Maschine haben, die jede Prüfung besteht, aber kein einziges Wort versteht. Das ist nur Mimikry.
• Es ist NICHT nur das Größer-Machen der KI. Das Paper argumentiert, dass es das Problem nicht lösen wird, wenn man einfach nur mehr Daten hinzufügt oder den Computer größer macht. Wenn die interne Struktur falsch ist, ist eine größere Maschine nur ein größerer Papagei.
• Es ist KEINE Garantie für Bewusstsein. Die Autoren sind vorsichtig und sagen: „Wir wissen nicht, ob der Bau dessen die Maschine dazu bringt, Dinge zu fühlen.“ Sie bauen die Hardware eines Geistes, aber sie versprechen nicht, dass die Software der Gefühle (Qualia) automatisch aktiviert wird. Sie sagen: „Wenn wir dies bauen, werden wir alle bekannten Anforderungen für einen Geist erfüllt haben, aber ob er im Inneren ‚lebendig‘ ist, bleibt ein Mysterium, das wir offen lassen.“

Das Urteil: Eine neue Landkarte für die Zukunft

Das Paper behauptet nicht, heute schon einen superintelligenten Roboter gebaut zu zu haben. Stattdessen bietet es eine neue Landkarte für die Reise an.

Die Autoren untersuchten vier verschiedene Arten von KI-Systemen (einige modern, einige älter) und prüften sie gegen ihre fünf Zutaten.

• Moderne KI (wie die großen Chatbots): Sie sind großartig darin, menschliche Sprache nachzuahmen, und verfügen über einige „Experten“-Teams, aber ihnen fehlt ein Körper, sie haben keine eigenen inneren Antriebe und sie können ihr Wissen nicht aktualisieren, ohne komplett neu trainiert zu werden. Sie stecken am unteren Ende der Leiter fest.
• Ältere KI (aus den 90ern und 2000ern): Diese wurden mit besseren internen Strukturen gebaut (wie dem „Team von Experten“ und den „dynamischen Bibliotheken“), waren aber schwach darin, aus der realen Welt zu lernen, und verfügten nicht über die gleiche Rohleistung.

Die wichtigste Erkenntng ist, dass Fähigkeit und Architektur auseinandergefallen sind. Die Maschinen, die am meisten leisten können (die modernen), sind diejenigen, die am wenigsten wie ein menschlicher Geist aufgebaut sind. Die Maschinen, die wie menschliche Geister aufgebaut sind, sind derzeit nicht besonders leistungsstark.

Die Autoren schlagen vor, dass wir, um die nächste Stufe zu erreichen, aufhören müssen, nur nach „Größer“ zu streben, und stattdessen anfangen müssen, „klügere“ Strukturen zu bauen. Wir müssen Maschinen bauen, die Körper haben, eine eigene Neugier besitzen, flexible Bibliotheken haben und einen Chef, der für sich selbst denken kann. Wenn wir das tun, könnten wir endlich die Lücke von der Mimikry zur Wahren Intelligenz überbrücken.

Es ist ein langer Weg, und das Paper gibt zu, dass wir noch nicht alle Antworten haben. Aber indem sie die Art und Weise ändern, wie wir „klug“ definieren, hoffen sie, uns den Weg zum Bau von Maschinen zu weisen, die nicht nur wie wir klingen, sondern tatsächlich so denken wie wir.