Der Google-Forscher Haydn Belfield hat in einem öffentlichen Beitrag eine wichtige Klarstellung vorgenommen: Die Vorstellung von künstlichen Intelligenzen, die sich selbst verbessern und weiterentwickeln können, ist wissenschaftlich noch lange nicht Realität. Dies ist eine bedeutsame Aussage in einer Zeit, in der viele Medien und Branchenfiguren von "selbstverbesernden KI-Systemen" sprechen.
Das Konzept der selbstverbessernden KI ist ein häufig zitiertes Szenario in Science-Fiction und Fachdiskussionen. Die Idee ist: Ein KI-System könnte sein eigenes Training-Verfahren analysieren, erkennen, wo es schwach ist, und sich dann selbst optimieren. Dies könnte theoretisch zu einem Zyklus von schneller Verbesserung führen. Solche Szenarios werden oft benutzt, um existenzielle Risiken von KI zu diskutieren.
Belfield argumentiert jedoch, dass wir bei den aktuellen KI-Technologien noch sehr weit von dieser Fähigkeit entfernt sind. Heutige Sprachmodelle und andere KI-Systeme sind nicht dazu ausgelegt, ihre eigenen Trainingsprozesse zu analysieren und zu modifizieren. Sie können Muster in Daten erkennen und Vorhersagen treffen, aber sie verstehen nicht grundlegend, wie sie funktionieren oder wie sie selbst angepasst werden könnten.
Die Aussage ist wichtig für eine realistische Einschätzung von KI-Fähigkeiten. Sie hilft, Hype-Erwartungen zu dämpfen und die tatsächlichen Möglichkeiten und Grenzen von KI-Systemen klarer zu sehen.
Für Schweizer IT-Dienstleister und ihre Geschäftskunden ist diese Klarstellung wertvoll. Sie können ihre KI-Strategien auf Basis realistischer Erwartungen planen, anstatt sich von spekulativen Zukunftsszenarien leiten zu lassen. KI-Einsätze sollten auf konkrete, heute machbare Anwendungen fokussieren, anstatt auf autonome, sich selbst verbessernde Systeme zu setzen. Dies hilft bei der Budgetierung und bei realistischen Erfolgsdefinitionen.