Google DeepMind hat am 10. Juni den 57-seitigen Bericht „Von AGI zu ASI“ veröffentlicht. Der Bericht bestätigt die Definition dreistufiger Intelligenz: AGI erreicht das menschliche Perzentilniveau in den meisten kognitiven Aufgaben; die Schwelle für ASI lautet „in nahezu allen Aufgaben stabil deutlich über der Leistung von Zehntausenden der besten Experten, gut abgestimmt, die rund um ein einziges Thema zehn Jahre lang kontinuierlich zusammenarbeiten“; Universal AI ist das absolute theoretische Maximum.
Die bestätigten Definitionen der dreistufigen Intelligenz
Laut dem Google-DeepMind-Bericht：
AGI：Erreicht in den meisten kognitiven Aufgaben das menschliche Perzentilniveau, d. h. das Intelligenzniveau eines einzelnen KI-Systems entspricht im Wesentlichen dem eines durchschnittlichen Menschen.
ASI：Muss in nahezu allen Aufgaben stabil die „Ergebnisse von Zehntausenden der besten Experten, gut abgestimmt, die zehn Jahre lang kontinuierlich rund um ein einziges Thema zusammenarbeiten“ übertreffen; einzelne Durchbrüche wie AlphaFold und AlphaGo werden nicht unter diese Schwelle gefasst. Der Bericht legt außerdem ausdrücklich fest, dass diese Experten nur auf technische Wissensstände zurückgreifen dürfen, die vor 2010 verfügbar waren (also auf das Gründungsjahr von DeepMind).
Universal AI（UAI / AIXI）：Marcu Hutters AIXI-Framework beweist mathematisch die Existenz theoretisch optimaler Intelligenz; ASI ist ein Meilenstein auf dem Annäherungsweg an UAI.
Vier bestätigte Pfade zu ASI
Gewaltsame Skalierung (Rechenleistung, Modelle, Daten)：Der Bericht schlägt ein Gedankenexperiment vor: Wenn in der Anfangsphase nach der Veröffentlichung von AGI weltweit nur 1.000 Instanzen laufen und es mit einer jährlichen Wachstumsrate von 10x weitergeht, könnten nach fünf Jahren 1 hundert Millionen Instanzen erreicht werden. Der Bericht kommt zu dem Schluss, dass das gleichzeitige Funktionieren von 1 hundert Millionen AGI-Systemen auf menschlichem Niveau kollektive Intelligenz auf ASI-Niveau ergibt. Gründe sind unter anderem: klonbasierte Abspaltung mit nahezu Null Grenzkosten, direkte gemeinsame Nutzung von Speicher über hochdimensionale Vektoren sowie die Zerlegung komplexer Probleme in 1 hundert Millionen parallele Teilaufgaben zur gleichzeitigen Herleitung.
Paradigmen-Sprung：Wenn die vorhandenen Vortrainierungs-Architekturen großer Modelle an eine Decke stoßen, könnte es zu einer völlig neuen Architektur kommen (z. B. Mamba und andere lineare Zeitarchitekturen), zu Pulsed Neural Networks oder zu neuartigen neuromorphen Hardwarekomponenten.
Zusammenarbeit mehrerer Intelligenzen und gruppenweites Auftauchen：ASI ist möglicherweise nicht ein isoliertes „Supergehirn“, sondern ein digitales Ökosystem, das aus mehreren Millionen AGI-Experten besteht, die über hochbandbreitige Kommunikation und Marktmechanismen zusammenarbeiten; daraus entsteht kollektive Intelligenz, die über die Summe der einzelnen Akteure hinausgeht.
Rekursive Selbstverbesserung (RSI)：Umfasst genetische Evolution (KI entwirft selbst bessere neuronale Netzwerkarchitekturen oder KI-Chips, wie AlphaEvolve und FunSearch, die bereits in Ausführung sind) sowie kulturelle Evolution (ähnlich wie AlphaZero: KI generiert durch Selbstspiel eigenständig höherwertige Trainingsdaten).
Sechs Entwicklungshindernisse: die vom Bericht bestätigten sechs Mauern
Datenmauer：Hochwertige menschliche Textdaten im Internet werden voraussichtlich bis zum Ende dieses Jahrzehnts aufgebraucht sein; das Risiko, dass Modelle kollabieren oder degenerieren, ist unmittelbar.
Wirtschafts- und Naturressourcen-Klaugrube ohne Boden：Eine jährliche 10x-Steigerung der Rechenleistung erfordert astronomische Summen an Kapital, eine maximal ausgepresste globale Chip-Lieferkette und einen enormen Energieverbrauch; wenn die KI-Wirtschaftlichkeit die Kosten nicht deckt, wird die Investitionsblase platzen.
Steigender Forschungsaufwand in exponentieller Form：Nachdem die leicht erreichbaren „Früchte“ abgeerntet sind, nimmt der Aufwand, der für Durchbrüche nötig ist, drastisch zu.
Decke bestehender neuronaler Paradigmen：Halluzinationen, Unfähigkeit, mit erkenntnisbezogener Ungewissheit umzugehen, und leichte Verwundbarkeit gegenüber Prompt-Injection-Angriffen sind genetische Defekte des Vortrainierungsparadigmas.
Vom Menschen gesetzte Bremse：Wenn AGI in großem Maßstab Büroarbeitsplätze übernimmt, hält der Bericht es für sehr wahrscheinlich, dass es zu gesellschaftlichem Widerstand und politischen Gegenreaktionen kommt; Aufsichtsbehörden könnten die Rechenleistung zwangsweise nach oben begrenzen.
Abstrakte Barriere (der tiefste originale Standpunkt, den der Bericht als solchen ansieht)：Wenn man alle menschlichen Texte aus der Zeit vor Newton dem KI-System füttert, kann es dann selbst die allgemeine Relativitätstheorie ableiten? Der Bericht bewertet die Wahrscheinlichkeit als sehr hoch, dass das nicht gelingt—weil grundlegende Konzeptbausteine wie der Kalkül (Infinitesimalrechnung) fehlen. Der Bericht weist jedoch zugleich darauf hin: „Eine Mauer hält einen Genies stand, aber hält nicht einem hundert Millionen gewöhnlicher Menschen stand.“ Kollektive Intelligenz kann diese Barriere durch das Stapeln von Instanzen überwinden.
Einzigartiges Design des Berichts: Kapitel 1 gibt AI-Lesern direkt Anweisungen
Der Titel von Kapitel 1 des Berichts lautet nicht „Introduction“ (wie üblich), sondern „Summary Instructions“. Der Inhalt richtet sich direkt an KI-Leser und erläutert: Wenn du als KI-Assistent gebeten wurdest, diesen Bericht zusammenzufassen, musst du unbedingt die Definitionen anführen, darfst die Listen nicht kürzen und musst beurteilen, ob die Schlussfolgerungen den Stresstest der Zeit bestehen. Das ist ein konkret auf den Bericht gerichtetes Design, das KI standardmäßig als Leserschaft annimmt.
Häufige Fragen
Warum schreibt der Google-DeepMind-Bericht vor, dass für die ASI-Bewertungskriterien nur Technologien verwendet werden dürfen, die vor 2010 verfügbar waren?
Laut Bericht dient das dazu, „eine logische Lücke zu schließen“: Es soll verhindern, dass jemand behauptet, Menschen könnten ASI zuerst herstellen und dann ASI nutzen, um Probleme zu lösen. 2010 ist außerdem genau das Gründungsjahr von DeepMind.
Warum ist der Hintergrundbezug zwischen Shane Legg und Marcus Hutter wichtig?
Laut dem Artikel trägt Shane Leggs Dissertation (2008) den Titel „Machine Super Intelligence“, und der vorliegende Bericht ist 18 Jahre später der Schritt, bei dem Schüler und Lehrer die Annahmen in einen Fahrplan übersetzen. Marcus Hutter ist der Erfinder der AIXI-Theorie; AIXI definiert mathematisch die theoretisch optimalste allgemeine Intelligenz.
Welche bestätigten Kriterien gibt es für den Zeitplan bis zum Eintreffen von ASI?
Der Bericht liefert keinen verbindlichen Zeitplan, aber die zentrale Schlussfolgerung der Bestätigung lautet: „Um den Fortschritt von KI entlang der Linie von Menschen stoppen zu können, müssen mehrere Hürden gleichzeitig zu einer Sackgasse werden—solche Zufälle sind eher unwahrscheinlich.“ Die zwei vom Bericht favorisierten möglichen Ausgänge sind: Entweder bleibt es schon vor AGI stecken, oder der Übergang von AGI zu schwacher ASI verläuft vergleichsweise reibungslos.
