The Rise and Fall of $G$ in AGI

Diese Studie überträgt Spearman's psychometrischen $g$-Faktor auf die KI-Forschung und zeigt durch eine Hauptkomponentenanalyse von 39 Modellen und 14 Benchmarks (2019–2025), dass die scheinbare allgemeine Intelligenz (AGI) von LLMs durch einen starken positiven Manifold geprägt ist, der jedoch mit dem Aufkommen spezialisierter Reasoning-Modelle und Tool-Nutzung abnimmt und eine Verschiebung von universellen „AI-Fuchs"-Systemen hin zu spezialisierten „AI-Igel"-Systemen sowie eine zunehmende architektonische Komplexität offenbart.

Das Wesentliche

🧠 Der Aufstieg und Fall des „Allround-Talent-G" bei KI

Stellen Sie sich vor, Sie testen die Intelligenz von Menschen. Früher glaubten Psychologen, es gäbe eine einzige, unsichtbare Kraft namens „g" (allgemeine Intelligenz). Wenn jemand gut in Mathe ist, ist er wahrscheinlich auch gut in Sprachen und Logik. Alles hängt zusammen.

David Krakauer fragt sich nun: Gilt das auch für Künstliche Intelligenz (KI)? Hat auch eine KI ein solches „Allround-Talent", das alles verbessert, oder ist das nur ein Trugschluss?

Hier ist die Geschichte, wie er das herausfand – erzählt wie eine Detektivgeschichte über KI-Entwicklung.

1. Das große „Alles-ist-verbunden"-Phänomen (Der Positive Manifold)

Zwischen 2019 und 2025 haben Forscher Dutzende von KI-Modellen (wie GPT-4, Claude, Llama) auf verschiedenen Tests geprüft: Mathe, Codieren, Allgemeinwissen, Medizin.
Das Ergebnis war überraschend: Fast alle Tests waren positiv korreliert. Wenn eine KI besser wurde, wurde sie auf allen Tests besser. Es sah aus, als würde eine einzige Kraft („G") alle Fähigkeiten antreiben.

• Die Analogie: Stellen Sie sich vor, Sie haben einen Sportler. Wenn er schneller läuft, ist er plötzlich auch besser im Schwimmen und Gewichtheben. Es wirkt, als würde er durch ein einziges „Super-Energie-System" angetrieben.

2. Der Höhepunkt: Die Ära des „Riesigen Modells" (Epoch II)

In den Jahren 2023 bis Anfang 2024 passierte etwas Besonderes. Alle KI-Firmen verfolgten dieselbe Strategie: Machen Sie das Modell größer, geben Sie ihm mehr Daten.

• Was passierte: Die KI wurde auf jedem Test besser. Die „Allround-Kraft" (G) erreichte ihren absoluten Höhepunkt. Sie erklärte zu dieser Zeit 92 % aller Unterschiede zwischen den KIs.
• Die Analogie: Es war wie eine Ära, in der alle Autos einfach nur größere Motoren und mehr Benzin bekamen. Egal ob Rennwagen oder Lieferwagen – alle wurden schneller. Es gab nur eine Art, besser zu werden.

3. Der Wendepunkt: Der Fall von G (Epoch III & IV)

Dann, ab Ende 2024, änderte sich die Strategie. Die KI-Forscher hörten auf, nur die Modelle größer zu machen. Stattdessen begannen sie, spezialisierte Werkzeuge zu erfinden:

• Manche KIs lernten, wie man Werkzeuge benutzt (Rechner, Web-Suche, Code-Interpreter).
• Andere lernten, komplexe Gedankenketten zu bilden (wie ein Mensch, der Schritt für Schritt nachdenkt).
• Wieder andere wurden auf spezielle Aufgaben (wie Programmieren) trainiert.

Das Ergebnis: Die „Allround-Kraft" (G) brach ein. Sie sank von 92 % auf 77 %.

• Warum? Weil die KIs sich nun in verschiedene Richtungen entwickelten. Eine KI, die super im logischen Nachdenken ist (durch Werkzeuge), war nicht unbedingt noch die beste im Auswendiglernen von Fakten.
• Die Analogie: Stellen Sie sich vor, früher gab es nur „Super-Autos". Plötzlich bauen einige Firmen Rennwagen, andere LKW und wieder andere Flugzeuge. Wenn Sie jetzt alle Fahrzeuge auf einer einzigen Skala „Wie schnell ist es?" messen, passt das nicht mehr. Der Rennwagen ist auf der Straße langsam, aber in der Luft schnell. Die „eine Kraft", die alles erklärt, ist verschwunden.

4. Die Entdeckung: Füchse und Igel

Der Autor nutzt eine berühmte Metapher von Isaiah Berlin:

• Der Igel: Kennt eine große Sache (das alte KI-Modell, das alles ein bisschen kann).
• Die Füchse: Kennen viele kleine Dinge (die neuen, spezialisierten KIs).

Früher war die KI ein Igel: Ein riesiges Gehirn, das alles ein bisschen konnte.
Heute ist die KI eine Gesellschaft von Füchsen: Es gibt KIs, die super im Codieren sind, andere, die super im medizinischen Nachdenken sind, und andere, die super im Suchen im Internet sind. Sie arbeiten zusammen, sind aber nicht mehr alle gleich.

5. Das große Missverständnis: Intelligenz ist Werkzeuggebrauch

Der wichtigste Punkt des Papers ist dieser:
Wir testen KIs oft so, als wären sie isolierte Gehirne in einem Vakuum. Aber moderne KIs nutzen Werkzeuge (Rechner, Browser, Code-Interpreter).

• Die Analogie: Wenn Sie einen Menschen testen, aber ihm verbieten, einen Stift zu benutzen oder aufzuschreiben, testen Sie nicht seine Intelligenz, sondern nur sein Kurzzeitgedächtnis.
• KIs sind heute wie Menschen mit einem Rucksack voller Werkzeuge. Ihre „Intelligenz" ist nicht mehr nur im Gehirn (dem Modell), sondern im System aus Gehirn + Werkzeug.

Fazit: Was bedeutet das für die Zukunft?

Die Idee von einer einzigen „Allgemeinen Künstlichen Intelligenz" (AGI), die einfach alles perfekt kann, ist vielleicht veraltet.

• Früher: Wir dachten, KI wird wie ein menschliches Genie, das alles kann.
• Heute: KI wird wie eine Gesellschaft von Spezialisten, die zusammenarbeiten.

Die „Allround-Kraft" (G) ist gefallen, weil die Welt der KI komplexer und vielfältiger geworden ist. Das ist eigentlich eine gute Nachricht! Es bedeutet, dass wir nicht mehr versuchen, ein einzelnes „Super-Gehirn" zu bauen, sondern ein Ökosystem aus vielen intelligenten Teilen, die unterschiedliche Probleme lösen.

Kurz gesagt: Die KI ist nicht mehr ein einziger Alleskönner-Igel. Sie ist eine ganze Herde von Füchsen, die mit Werkzeugen arbeiten, um die Welt zu meistern. Und das ist viel interessanter!

Technische Zusammenfassung

Titel: The Rise and Fall of G in AGI (Der Aufstieg und Fall von G in der AGI)
Autor: David C. Krakauer, Santa Fe Institute
Datum: 14. April 2026 (fiktives Datum im Kontext des Papers)

1. Problemstellung

Das Papier untersucht die Gültigkeit des Konzepts der „Allgemeinen Künstlichen Intelligenz" (AGI) im Kontext von Large Language Models (LLMs). In der Psychometrie beschreibt der Spearman'sche g-Faktor eine positive Korrelation zwischen verschiedenen kognitiven Fähigkeiten (positive Manifold), die auf eine zugrunde liegende allgemeine Intelligenz hindeutet. Die KI-Community hat dieses Konzept übernommen, um die Leistung von Modellen über verschiedene Benchmarks hinweg zu bewerten.

Das zentrale Problem ist jedoch unklar, ob die beobachtete Korrelation zwischen Benchmark-Ergebnissen auf einer echten, mechanistischen allgemeinen Intelligenz (ähnlich dem menschlichen g) beruht oder lediglich ein statistisches Artefakt ist, das durch gemeinsame Trainingsdaten, zeitliche Verbesserungen („Temporal Trend") oder die Optimierung auf bekannte Benchmarks entsteht. Zudem wird untersucht, ob sich die Struktur dieser „Allgemeinheit" mit der Einführung spezialisierter Modelle (z. B. mit Reasoning-Fähigkeiten oder Tool-Use) verändert.

2. Methodik

Die Studie wendet psychometrische Methoden auf eine zeitlich strukturierte Matrix von KI-Modellen an:

• Datengrundlage: Eine Score-Matrix $X$ mit $N=39$ Modellen (veröffentlicht zwischen Februar 2019 und Dezember 2025) und $K=14$ Benchmarks (u. a. MMLU, GSM8K, MATH, HumanEval, GPQA Diamond).
• Analyseverfahren:
  • Hauptkomponentenanalyse (PCA): Anwendung auf standardisierte Scores, um die Varianzstruktur zu untersuchen. Der erste Eigenvektor ($PC1$) wird als „G-Faktor" interpretiert.
  • Metriken: Analyse der erklärten Varianz ($\rho_1$), des Dominanzverhältnisses ($\delta = \lambda_1/\lambda_2$) und der effektiven Dimensionalität ($d_{eff}$).
  • Zeitliche Zerlegung: Die Daten werden in algorithmische Epochen unterteilt (Scaling-Ära, Frontier-Dense-Modelle, MoE/Tool-Ära), um zu prüfen, ob die Faktorstruktur stabil bleibt.
  • Partielle Korrelationen: Um den Einfluss des G-Faktors zu isolieren, wird $PC1$ aus der Datenmatrix projiziert, um die Restkorrelationen (Residuen) zu analysieren.
  • Enttrendung (Detrending): Lineare Regression wird verwendet, um den reinen zeitlichen Verbesserungs-Trend zu entfernen und die verbleibende strukturelle Korrelation zu testen.
  • Horn's Parallel Analysis: Ein statistisches Verfahren zur Validierung der Signifikanz der Eigenwerte bei kleinen Stichprobengrößen.

3. Wichtige Beiträge und Ergebnisse

A. Bestätigung der positiven Manifold (Der „Aufstieg" von G)

• Über einen Zeitraum von 2019 bis 2024 zeigt sich eine starke positive Manifold: Alle paarweisen Korrelationen zwischen den Benchmarks sind positiv (durchschnittlich $\bar{r} = 0.82$).
• In der „Scaling-Ära" (Epoch II, 2023–2024.03) erklärt der erste Hauptkomponente ($PC1$) bis zu 92 % der Varianz. Dies deutet auf eine extrem starke, einheitliche allgemeine Intelligenz hin, bei der Modelle in allen Aufgabenbereichen synchron wachsen.
• Die G-Scores steigen monoton mit dem Veröffentlichungsdatum, was die Annahme stützt, dass spätere Modelle „besser in allem" sind.

B. Der „Fall" von G und die Entdeckung der Spezialisierung

• Mit dem Übergang zu Epoch IV (ab September 2024), gekennzeichnet durch Modelle mit dedizierten Reasoning-Fähigkeiten (z. B. Chain-of-Thought, Tool-Use wie o1, DeepSeek R1), verändert sich die Struktur:
  • Die erklärte Varianz durch $PC1$ sinkt auf 77 %.
  • Das Dominanzverhältnis $\delta$ fällt drastisch von 15:1 auf 1,8:1.
  • Die effektive Dimensionalität ($d_{eff}$) steigt von ca. 1,1 auf 1,9.
• Interpretation: Die „Allgemeinheit" ist nicht mehr so dominant. Modelle beginnen, sich in verschiedene Richtungen zu spezialisieren. Die positive Korrelation bleibt bestehen, aber die zugrunde liegende Struktur wird komplexer.

C. Rotation des G-Faktors und „AI-Foxes vs. Hedgehogs"

• Eine signifikante Rotation des Eigenvektors wird beobachtet, insbesondere beim Eintritt von DeepSeek V3. Die Ausrichtung des G-Faktors verschiebt sich von einer gleichmäßigen Gewichtung hin zu einer stärkeren Betonung von wissensbasiertem Reasoning (MATH, GPQA) und einer Schwächung bei prozeduraler Ausführung (HumanEval).
• Partielle Korrelationsanalyse: Nach Entfernung des G-Faktors zeigen sich zwei entgegengesetzte Cluster:
  1. Reasoning-Cluster: MATH und GPQA sind positiv korreliert.
  2. Execution-Cluster: GSM8K und HumanEval sind positiv korreliert.
  3. Negative Korrelationen: Zwischen diesen Clustern bestehen starke negative Korrelationen (z. B. zwischen Reasoning und Execution).
• Dies deutet darauf hin, dass die scheinbare „Allgemeinheit" (G) eine Unterdrückung (Suppression) spezifischer Spezialisierungen maskiert. Modelle werden zu einer „Gesellschaft von Köpfen" (Minsky), die verschiedene Fähigkeiten (Füchse) in einem allgemeinen Rahmen (Igel) vereinen, wobei Trade-offs zwischen den Fähigkeiten bestehen.

D. Statistische vs. Mechanistische G

• Die Studie unterscheidet zwischen statistischem G (durch zeitliche Trends verursacht) und mechanistischem G (durch gemeinsame Architektur bedingt).
• Auch nach Entfernen des zeitlichen Trends (Detrending) bleibt die positive Manifold signifikant ($\rho_1 \approx 77\%$), was auf eine echte mechanistische Basis hindeutet.
• Allerdings zeigt sich, dass die interne Struktur (die Gruppierung der Benchmarks) epochenabhängig ist, was auf eine evolutionäre Veränderung der Modellarchitekturen (z. B. MoE, Tool-Integration) hinweist.

4. Signifikanz und Schlussfolgerungen

Das Paper stellt die traditionelle Definition von AGI als konvergierende, eindimensionale Steigerung der Intelligenz in Frage.

1. Ende der reinen Skalierung: Die Ära, in der mehr Daten und Parameter automatisch zu einer perfekten Korrelation über alle Aufgaben führten, geht zu Ende.
2. Dimensionale Expansion: KI-Systeme bewegen sich weg von einem eindimensionalen Raum hin zu einem höherdimensionalen Raum, in dem verschiedene Intelligenzformen (Reasoning, Code, Faktenwissen) unterschiedlich gewichtet werden.
3. Tool-Use als neuer Faktor: Die Integration von Werkzeugen (Code-Interpreter, Suchmaschinen) verändert die Natur der „Intelligenz". Ein Modell mit Tools ist ein anderes kognitives System als eines ohne. Die Benchmarks der Vergangenheit messen nicht mehr die „rohe" Intelligenz, sondern die Leistung eines hybriden Systems.
4. Ptolemäische Sukzession: Die Autoren vergleichen die aktuelle Entwicklung mit dem ptolemäischen Weltbild: Statt einer einfachen, vereinheitlichenden Theorie (Kepler/Newton) werden immer mehr „Epizyklen" (neue Benchmarks für neue Fähigkeiten) hinzugefügt, um die Komplexität zu beschreiben.
5. Implikation für AGI: Das Konzept einer reinen „Allgemeinen Intelligenz" (G) wird zunehmend unbrauchbar. Stattdessen sollte der Fokus auf der Vielfalt der Intelligenzdimensionen liegen. Die KI entwickelt sich nicht zu einem menschlichen g, sondern zu einer komplexen, spezialisierten Ökologie von Fähigkeiten, die durch externe Werkzeuge erweitert wird.

Zusammenfassend zeigt das Paper, dass der „Aufstieg" von G (hohe Korrelationen) ein temporäres Phänomen der Scaling-Ära war, das nun einem „Fall" (Zerfall der Einheitlichkeit, Zunahme der Dimensionalität) weicht, während sich KI-Systeme zu einer diverseren, werkzeuggestützten Form der Intelligenz entwickeln.