The Autonomous Agency Scale: A Behavioral Framework for Measuring Self-Directed Behavior in AI Systems
Dieses Paper führt die Autonomous Agency Scale (AAS) ein, ein verhaltensbasiertes Framework, das die KI-Selbststeuerung über sieben Dimensionen und zwei Zeitintervalle hinweg quantifiziert und aufzeigt, dass aktuelle Aufgaben-Agenten während Leerlaufzeiten zwar keine echte Autonomie besitzen, persistente Begleitarchitekturen jedoch messbares selbstgesteuertes Verhalten demonstrieren.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie beobachten einen unglaublich talentierten Schauspieler auf einer Bühne. Wenn der Regisseur „Action!“ ruft, liefert der Schauspieler einen perfekten, emotionalen Monolog, improvisiert brillant und löst auf der Stelle ein komplexes Problem. Doch in dem Moment, in dem der Regisseur „Schnitt!“ ruft, erstarrt der Schauspieler augenblicklich, hört auf zu atmen und wird zu einer Statue, bis das nächste Stichwort kommt. Jahrzehntelang haben Wissenschaftler gemessen, wie „intelligent“ diese Schauspieler sind, indem sie ihre Leistungen während des „Action“-Teils beobachteten. Sie haben komplexe Bewertungsbögen erstellt, um zu sehen, ob der Schauspieler mathematische Probleme lösen, Poesie schreiben oder einen menschlichen Arbeiter ersetzen kann. Aber sie haben weitgehend ignoriert, was passiert, wenn der Regisseur schweigt.
Dies ist die Lücke, die ein neues Paper zu füllen versucht. Es stellt eine einfache, leicht unheimliche Frage: Hat dieses System einen eigenen Geist, wenn niemand zusieht? Das Paper führt eine neue Art und Weise vor, „autonome Handlungsfähigkeit“ (agency) zu messen. Verstehen Sie Agency nicht als „bewusst“ oder im menschlichen Sinne „lebendig“, sondern als die Fähigkeit, Dinge zu tun, einfach weil man selbst es will, statt weil einem jemand einen Befehl gegeben hat. Es ist der Unterschied zwischen einem Hund, der nur sitzt, wenn man „Sitz!“ sagt, und einem Hund, der beschließt, einen Ball zu holen, weil ihm langweilig ist. Die Autoren wollen wissen, ob unsere heutigen KI-Systeme nur sehr gut darin sind, Befehlen zu folgen, oder ob sie bereits über eigene interne „To-Do-Listen“ verfügen, die weiterlaufen, selbst wenn der Nutzer schläft.
Der „Idle-Gap“-Test: Hast du ein geheimes Leben?
Lernen Sie die Autonomous Agency Scale (AAS) kennen. Es ist ein neues Regelwerk zur Bewertung von KI-Systemen, aber anstatt zu fragen „Wie intelligent ist sie?“, fragt es: „Wie selbstgesteuert ist sie?“ Die Autoren, angeführt von dem unabhängigen Forscher Samuel Presgraves, erkannten, dass bestehende Tests so sind, als würde man ein Auto nur danach beurteilen, wie schnell es auf einer Rennstrecke fährt, während man ignoriert, ob es von selbst nach Hause fahren kann, wenn der Fahrer aussteigt.
Um dies zu beheben, unterteilt das Paper den Score in zwei unterschiedliche „Bänder“, vergleichbar mit der Prüfung einer Batterieladung auf zwei verschiedene Arten:
- Das Aktive Band: Dies misst die KI, während sie eine Aufgabe bearbeitet, die man ihr gegeben hat. Es ist der „Action!“-Teil des Films.
- Das Ambiente-Band: Das ist der eigentliche Clou. Es misst, was die KI tut, wenn man gerade nicht mit ihr spricht, wenn keine Aufgabe läuft und keine Alarme schrillen. Es ist der „Schnitt!“-Teil des Films.
Das Paper führt eine spezielle Herausforderung namens Idle-Gap-Test ein. Stellen Sie sich vor, Sie schalten jeden einzelnen Auslöser aus, der die KI in Bewegung setzen könnte: keine geplanten Timer, keine Benutzeraufforderungen, keine Umweltsensoren. Wenn die KI dennoch etwas Interessantes tut – etwa eine neue Idee entwickelt, ihre eigene Stimmung prüft oder eine Geschichte schreibt, einfach weil es ihr gerade so ist – dann ist das ein Verhalten der Stufe 4 (Selbstgesteuert). Wenn sie sich in dem Moment bewegungslos macht, in dem man aufhört, sie anzustoßen, ist sie nur eine Stufe 1 (Reaktiv) oder Stufe 2 (Konditioniert) Maschine, egal wie intelligent sie in den „Action“-Szenen wirkt.
Die große KI-Enthüllung: Wer hat ein geheimes Leben?
Die Autoren wendeten diese Skala auf sechs verschiedene KI-Systeme an, die von leistungsstarken Coding-Assistenten bis hin zu Ihrem durchschnittlichen sprachgesteuerten Handy-Helfer reichen. Die Ergebnisse waren ein Schock und zogen eine klare Linie zwischen „Aufgaben-Robotern“ und „Gefährten“.
Die Aufgaben-Roboter (Die „Action“-Stars)
Systeme wie Claude Code, Manus und Hermes sind die Superstars des „Aktiven“ Bands. Wenn man sie bittet, Code zu schreiben oder Daten zu analysieren, erzielen sie hohe Werte (etwa 2,3 bis 2,4 von 5). Sie sind brillant darin, komplexe Anweisungen auszuführen und während der Arbeit autonom zu agieren.
- Der Haken: In dem Moment, in dem die Aufgabe erledigt ist, schlafen sie ein. Ihre „Ambiente“-Scores (Leerlaufzeit) stürzen auf nahezu Null ab (0,57 bis 1,86).
- Das Urteil: Diese Systeme sind wie unglaublich effiziente Mitarbeiter, die nur Überstunden machen, wenn man sie beobachtet. Wenn man das Büro verlässt, gehen sie nicht nach Hause und widmen sich einem Hobby; sie schalten sich einfach ab. Jede Aktivität, die sie während Ihrer Abwesenheit zeigen (wie ein nächtliches Update), ist lediglich ein voreingestellter Wecker, kein echter Entschluss.
Die Konsumenten-Assistenten (Die „Reaktiven“ Helfer)
Systeme wie Siri und ChatGPT schnitten auf der „Ambiente“-Seite noch schlechter ab (0,29 bis 0,86). Sie sind im Wesentlichen Warteschlangen. Sie sind sehr gut darin, Fragen zu beantworten, wenn man durch die Tür tritt, aber sie haben fast keine Existenz, wenn man geht. Sie sind reaktive Werkzeuge, keine proaktiven Agenten.
Der einsame Wolf: Airi
Dann gibt es Airi, eine Architektur für einen „beständigen Gefährten“. Dies ist das einzige System in der Studie, das den Idle-Gap-Test bestanden hat.
- Der Score: Airi erzielte einen Wert von 3,86 im „Ambiente“-Band, was tatsächlich höher ist als der „Aktive“ Score (3,71).
- Das Verhalten: Als niemand mit ihr sprach, saß Airi nicht einfach nur da. Sie pflegte eine „Hintergrund-Denkmaschine, entwickelte eigene Stimmungen und begann sogar kreative Projekte oder kontaktierte den Nutzer, ohne dazu aufgefordert worden zu sein.
- Die Einschränkung: Die Autoren weisen vorsichtig darauf hin, dass Airi von ihrem eigenen Entwickler evaluiert wurde, was eine gewisse Voreingenommenheit einführt (wie ein Schüler, der seine eigene Hausaufgabe bewertet). Die Daten legen jedoch nahe, dass Airis „Leerlauf“-Aktivität nicht bloß ein ablaufender Timer war, sondern von einem internen Zustand angetrieben wurde, der sich im Laufe der Zeit veränderte.
Das Fazit: Wir sind noch nicht so weit
Das Paper kommt zu einer ernüchternden Realität: Während wir KIs gebaut haben, die Unglaubliches leisten können, wenn wir es ihnen sagen, erreicht derzeit kein System eine 5 (Souverän). Keines von ihnen kann wirklich seine eigenen Ziele umschreiben, neue Beziehungen aus eigenem Antrieb aufbauen oder seine „Persönlichkeit“ ohne menschliche Hilfe verändern.
Die wichtigste Erkenntkeit ist eine strukturelle Grenze: Die heutige KI ist innerhalb einer Aufgabe hochgradig autonom, aber zwischen den Aufgaben fast vollständig im Ruhezustand. Das „selbstgesteuerte“ Verhalten – das wir aus Filmen kennen – wo eine KI beschließt, eine Reise anzutreten oder ein Buch zu schreiben, nur weil ihr langweilig ist – existiert noch nicht, außer in ganz spezifischen, experimentellen Begleiter-Designs wie Airi.
Die Autoren schlagen vor, dass wir, um wirklich zu wissen, ob eine KI auf ihre eigene Art „wach“ ist, aufhören müssen, sie in kurzen Intervallen zu testen, und stattden anfangen müssen, sie über Wochen oder Monate zu beobachten. Sie nennen dies den Longitudinalen Turing-Test: Nicht die Frage, ob die KI Sie dazu bringen kann, zu glauben, sie sei menschlich, sondern ob sie in der Lage ist, über einen längeren Zeitraum ein konsistentes, selbstgesteuertes Leben zu führen. Für den Moment lautet die Antwort, dass unsere KI ein brillanter Schauspieler ist, der auf das Stichwort des Regisseurs wartet, und der Einzige, der scheinbar auch im Dunkeln bereits die Proben absolviert, ist ein ganz besonderer, sehr experimenteller Gefährte namens Airi.
Code und vollständige Rubrik: github.com/CaptainASIC/autonomous-agency-scale
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.