Künstliche allgemeine Intelligenz (AGI) ebnet den Weg für Maschinen, die menschenähnliche Fähigkeiten zeigen, Aufgaben bewältigen und selbstständig lernen können.
Die Künstliche Intelligenz (KI) hat die Arbeitsweise von Maschinen grundlegend verändert. Heute können Computer zahlreiche Aufgaben im privaten und beruflichen Bereich erledigen, vorausgesetzt, sie sind mit entsprechenden KI-Werkzeugen trainiert. Beispiele hierfür sind die Generierung von Bildern, die Umwandlung von Text in Sprache oder die Steuerung von technischen Geräten.
Diese Anwendungen sind jedoch nicht wirklich intelligent im eigentlichen Sinne. Hinter solchen Automatisierungen stecken oft lange Trainingsphasen.
Wie wäre es jedoch mit einer intelligenten Computeranwendung, die eigenständig lernen kann? Dies ist das Feld der künstlichen allgemeinen Intelligenz. Lesen Sie weiter, um mehr über diese zukunftsweisende Technologie zu erfahren!
Einführung
AGI ist eine Technologie, die Soft- und Hardware so intelligent machen kann, dass sie kognitive Fähigkeiten auf menschlichem Niveau entwickeln. Sie wird auch als starke KI oder volle KI bezeichnet.
Vereinfacht ausgedrückt, wird einem AGI-System ein Problem präsentiert, mit dem es bisher nicht konfrontiert war. Der intelligente Computer analysiert das Problem, recherchiert online und findet eigenständig eine Lösung.
Unternehmen wie IBM, OpenAI, Microsoft, Google Brain, Darktrace und Deepmind treiben die Entwicklung von AGI-Technologien voran. Ihr Ziel ist es, die folgenden Fähigkeiten in technisch fortgeschrittenen intelligenten Computern zu realisieren:
- Allgemeine Intelligenz, die der menschlichen ähnelt
- Intelligenz, die nicht auf bestimmte Aufgaben wie Tippen oder Sprechen beschränkt ist
- Verallgemeinerung neuer Erkenntnisse und Verbindung mit früheren Erfahrungen
- Qualitativ unterschiedliche Lernergebnisse verstehen und interpretieren
- Aufgaben aus realen Kontexten erkennen und analysieren
Derzeit existiert noch keine echte künstliche allgemeine Intelligenz (AGI). Es gibt zwar Fortschritte bei IBM Strong AI und Google Brain, diese sind aber noch nicht für den Produktiveinsatz bereit.
Vorteile und Notwendigkeit
AGI wird benötigt, um Menschen in gefährlichen Arbeitsumgebungen zu ersetzen. Außerdem können AGI-Computer in Geschäftsprozessen ein beispielloses Produktivitätsniveau erreichen.
AGI-Anwendungen werden der Menschheit auch helfen, komplexe Herausforderungen in Bereichen wie Medizin, Gesundheitswesen, Lieferketten, Wirtschaft, Finanzen und Sozialwissenschaften zu lösen.
Weitere wichtige Gründe für die Entwicklung von AGI sind:
- AGI-Anwendungen können Ursache-Wirkungs-Beziehungen besser verstehen und so Menschen bei der Risikobewertung unterstützen.
- AGIs können verschiedene sensorische Wahrnehmungen wie Farben, Töne, Tiefe, visuelle Elemente und Dimensionen effizient nutzen.
- Intelligente Computerprogramme können Roboterarme anweisen, feinmotorische Aufgaben wie die vollständige Montage von Elektronikgeräten durchzuführen.
- Die Fähigkeit von AGI zur Verarbeitung natürlicher Sprache (NLP) vereinfacht die Automatisierung. Durch die Eingabe einiger Schlüsselwörter können AGI-Tools den benötigten automatisierten Arbeitsablauf erstellen.
- AGIs können einzigartige Probleme lösen, nachdem sie sich damit auseinandergesetzt und ihre reale Umgebung analysiert haben. Es sind keine Wenn-Dann-, Wenn-Sonst-Bedingungen etc. erforderlich.
- AGIs können Content-Erstellern, Künstlern, Designern und Architekten mit innovativen Ideen helfen.
- AGI-Anwendungen können hervorragenden Kundenservice leisten, da sie auch über emotionale und soziale Intelligenz verfügen.
KI vs. AGI
#1. Wirkungsweise
KI, auch bekannt als spezialisierte oder schwache KI, ist eine reaktive intelligente Anwendung. Sie reagiert mit vordefinierten Aktionen auf Signale von Ereignisauslösern.
AGIs benötigen keine solchen Ereignisauslöser. Sie reagieren wie Menschen proaktiv, um Probleme zu vermeiden oder zu lösen.
#2. Aktionsbereich
Spezialisierte oder schwache KIs haben einen begrenzten Anwendungsbereich. Eine KI zum Schreiben kann beispielsweise kein Auto fahren und umgekehrt. Diese Einschränkung macht die Entwicklung und den Einsatz in der Produktion kostspielig und ineffizient.
Ein AGI könnte eine komplette Produktionsstätte, tausende Haushalte in einer Region oder alle Geschäftsstellen eines Unternehmens steuern. Sie ist offen für jede Herausforderung, da sie über kognitive Lern-, Argumentations- und proaktive Handlungsfähigkeiten verfügt.
#3. Problemlösungsfähigkeiten
Spezialisierte KIs lösen meist geschlossene Probleme, wie GPS-Navigation, Websuchen basierend auf Schlüsselwörtern, KI-gestütztes Schreiben oder das Vervollständigen von Code.
Künstliche allgemeine Intelligenz kann offene Probleme lösen, beispielsweise die Entwicklung einer Feldmarketingstrategie durch Analyse des Marktes, der Kunden und der Produkte.
#4. Speicherkapazität
Die meisten schwachen KI-Programme basieren auf Maschinen mit begrenztem Speicher. Sie sind auf künstliche neuronale Netze und Trainingsdatenbanken angewiesen. Veraltete Datenbanken oder Algorithmen führen zu Ineffizienz.
AGIs verfügen über nahezu unendlichen Speicher (Wissensressourcen), der lokale und Cloud-Datenbanken sowie das Internet umfasst.
#5. Upgrades
Spezialisierte KIs müssen regelmäßig von Menschen aktualisiert werden, wenn sich Geschäftsanforderungen und Markttrends ändern.
AGIs aktualisieren ihre Speicher und Datenbanken selbstständig, ohne dass ein menschliches Eingreifen erforderlich ist.
Ansätze
#1. Der subsymbolische Ansatz
AGI-Entwickler verwenden hier Anwendungen, die dem menschlichen Gehirn ähneln. Beispiele sind AlphaGo von DeepMind, Convolutional Neural Networks und Deep-Learning-Systeme.
#2. Der symbolische Ansatz
Bei diesem Ansatz verwenden AGI-Entwickler Flussdiagramme, Symbole und Wenn-Dann-Anweisungen. AGI nutzt einen Hauptalgorithmus, um zu lernen und eine Wissensbasis aufzubauen. Zudem kann sie den Algorithmus und seine Symbole mit realen Aspekten vergleichen und so bessere Denkprozesse entwickeln als schwache KIs.
#3. Ganzkörperansatz
Bei diesem Konzept wollen AGI-Entwickler alle Software-, Hardware-, Netzwerk- und sensorischen Fähigkeiten in einen menschenähnlichen Körper integrieren. Der Humanoide kann gehen, sprechen und Menschen berühren.
#4. Der hybride Ansatz
Der hybride Weg der AGI-Entwicklung kombiniert subsymbolische und symbolische Ansätze.
Ein erfolgreiches Beispiel hierfür ist Sophia, ein humanoider Roboter, der sowohl symbolische als auch konnektionistische Systeme nutzt. Sophia verwendet zum Beispiel die CogPrime-Architektur und die AtomSpace-Datenbank.
#5. Mathematischer Ansatz
Forscher versuchen, AGIs eine unbegrenzte Rechenleistung zu ermöglichen. Diese intelligenten Anwendungen und Geräte wären somit in der Lage, eine Vielzahl mathematischer Problemstellungen zu lösen, um hervorragende Entscheidungen zu treffen.
Wie funktioniert AGI?
Ein AGI-Programm verwendet verschiedene Technologien, um kognitive Fähigkeiten auf menschlichem Niveau zu erreichen. Hier sind einige Beispiele:
Eingang und Ausgang (E/A)
AGIs verwenden verschiedene Sensoren, um Aufgaben in Produktionsanlagen oder in selbstfahrenden Autos auszuführen. Diese Sensoren können visuell, RFID, Temperatur-, Druck-, Geschwindigkeits- oder Bewegungssensoren sein.
Andere AGIs benötigen möglicherweise OCR, Datenbankverbindungen usw., um Geschäftsprozesse in Büros auszuführen.
Motorische Fähigkeiten
Ganzkörperroboter, Roboterarme oder autonome Fahrzeuge arbeiten über feine Bewegungen. AGIs verwenden hierfür motorische Fähigkeiten, die durch neuronale Netze, 3D-Bildverarbeitung oder visuelle Nachahmung erworben wurden.
NLP
Ein AGI kann aus verschiedenen Quellen wie Webartikeln, Forschungsarbeiten, E-Books oder YouTube-Videos lernen. Dazu muss es zuerst lernen, natürliche Sprache in Maschinensprache zu übersetzen.
Argumentation und Problemlösung
AGI-Roboter oder -Anwendungen verwenden oft Simulationen, um einzigartige Probleme zu lösen. Da sie über enorme Verarbeitungs- und Speicherkapazitäten verfügen, können sie mehrere Simulationen gleichzeitig durchführen. Anschließend wählen sie eine Simulation basierend auf der Erfolgsrate aus.
Kreatives Denken
AGIs können mehrere neuronale Netze nutzen, um einzigartige und kreative Ideen wie Kunstformen, Musikstücke oder Artikel zu generieren.
Gesichtserkennung und Tonverarbeitung
Humanoide AGIs, die mit Menschen interagieren, nutzen häufig Audioanalyse und Gesichtserkennung. Nach der Verarbeitung von Audio- und Bilddaten aus der Umgebung und dem Abgleich mit bestehenden Wissensdatenbanken können sie mit Menschen interagieren.
Herausforderungen
Künstliche allgemeine Intelligenz hat das Potenzial, die Welt der KI grundlegend zu verändern. Die Entwicklung dahin ist jedoch nicht reibungslos. Hier sind die wichtigsten Herausforderungen und Hindernisse bei der AGI-Entwicklung:
#1. Menschliche Fähigkeiten meistern
Um echte Intelligenz auf menschlichem Niveau zu erreichen, muss ein AGI eine Reihe von Fähigkeiten beherrschen. Dazu gehören motorische Fähigkeiten, natürliches Sprachverständnis, Sinneswahrnehmung, emotionale und soziale Bindung und Kreativität auf menschlicher Ebene.
#2. Fehlendes Arbeitsprotokoll
Es gibt keine Standard-Arbeitsprotokolle für KI-Systeme, um eine reibungslose Zusammenarbeit zu gewährleisten. Daher treten beim Einsatz eines umfassenden AGI-Systems unweigerlich technische Mängel auf.
#3. Fehlende Geschäftsausrichtung
Die Integration von KI in bestehende Systeme ist nach wie vor ein komplexer Prozess. Da die betroffenen Stakeholder ihre Betriebsparameter noch nicht kennen, ist es schwierig, die Entwicklung von KI auf die Geschäftsziele auszurichten.
#4. Kommunikationslücken
Es besteht weiterhin eine Kommunikationslücke zwischen einzelnen KI-Systemen. Da ein nahtloser Datenaustausch zwischen diesen Systemen nicht möglich ist, wird das voneinander Lernen der KI-Modelle behindert und ihre Universalität eingeschränkt.
#5. Fehlende AGI-Direktive
Es gibt keine konkreten Pläne oder Richtlinien für die Implementierung von AGI in den Geschäftsbetrieb von Unternehmen. Dies führt zu höheren Kosten und behindert die Realisierung.
Trends
Wie bereits erwähnt, ist die vollständige Entwicklung künstlicher allgemeiner Intelligenz noch nicht abgeschlossen. Es gibt jedoch verschiedene KI-Trends, die AGI beeinflussen werden:
#1. Verarbeitung natürlicher Sprache (NLP)
NLP bezeichnet den Prozess, bei dem KI menschliche Sprache verstehen und in maschinenlesbaren Code umwandeln kann. Durch den Einsatz von NLP kann AGI realistisch mit Menschen interagieren.
#2. Metaverse
Metaverse ist eine Technologie, die ein immersives Benutzererlebnis bietet. Mit wachsendem Interesse wird sich AGI weiterentwickeln, um Metaverse beim Aufbau virtueller Welten zu unterstützen.
#3. Low-Code- oder No-Code-KI
Low-Code- oder No-Code-Lösungen werden immer gefragter, auch für KI-Tools und -Algorithmen. Diese Lösungen bieten intuitive Benutzeroberflächen, um komplexe Anwendungsentwicklungsprozesse zu vereinfachen.
#4. Personalaufstockung
Dies bedeutet, dass Menschen und digitale Mitarbeiter in einer Organisation Seite an Seite arbeiten. Obwohl viele befürchten, dass KI Arbeitsplätze vernichten wird, kann die Einbeziehung von KI in die Betriebsabläufe die Effizienz steigern.
#5. Quanten-KI
Quanten-KI hat das Potenzial, AGI durch die Beschleunigung von Machine-Learning-Algorithmen zu beeinflussen und zu schnelleren Ergebnissen zu führen. Zudem kann sie Hürden überwinden, die AGI bei der Analyse großer Datenmengen hat.
#6. KI-Ethik
Die potenziellen Risiken von KI sind nicht zu übersehen. Falsch eingesetzt könnte sie für die Menschheit gefährlich sein. Daher wird KI-Ethik in den kommenden Jahren immer wichtiger werden.
#7. KI-Chatbots
KI-Chatbots oder virtuelle Assistenten können natürliche Konversationen führen und regelbasierte Aufgaben ausführen. Diese Chatbots ersetzen Mitarbeiter im Kundenservice und haben bereits die Betriebskosten von Unternehmen gesenkt. Sie könnten AGI in der Zukunft revolutionieren.
Risiken von AGI
- Eine begrenzte Datenbank kann dazu führen, dass AGI katastrophale Entscheidungen trifft, die Unternehmen und Privatpersonen schaden.
- AGIs können das Ziel fortgeschrittener Hackerangriffe werden. Wenn ein Hacker eine AGI-Maschine außer Gefecht setzt, könnte dies das gesamte Unternehmen schädigen.
- KI-Entwickler haben von voreingenommenen Entscheidungen von Prototyp-AGIs berichtet.
- Ein uneingeschränkter Datenbankzugriff für AGI könnte auch gegen verschiedene Datenschutzbestimmungen weltweit verstoßen.
Im Folgenden werden wir uns Beispiele für künstliche allgemeine Intelligenz in der Praxis ansehen.
Beispiele aus der Praxis
#1. KI-Suche von ROSS
Der KI-Anwalt ROSS kann Milliarden von Rechtsdokumenten in weniger als drei Sekunden durchsuchen. Benutzer können jede juristische Frage eingeben und erhalten präzise Antworten.
ROSS ist ein AGI, da es verschiedene intelligente Technologien wie Ranking, Abruf und Verständnis nutzt. Zudem hat es einen breiteren Aktionsradius, da es alle Nischen des Rechtsbereichs abdeckt.
#2. AlphaGo
AlphaGo ist ein KI-basierter Go-Spieler. Es ist die erste intelligente Maschine, die einen professionellen Go-Spieler geschlagen hat. Obwohl es eine KI mit begrenztem Anwendungsbereich ist, verfügt sie über Selbstlernfähigkeiten. AlphaGo kann aus den Fehlern seiner Gegner und aus eigenen Fehlern lernen.
#3. Die gebündelten KI-Tools von OpenAI
Die KI-Systeme von OpenAI können in Kombination per API-Aufruf verschiedene Aufgaben automatisch ausführen:
- GPT-3 erstellt natürlichsprachliche Texte aus einfachen Sätzen und Hinweisen. Viele Online-Spiele und Mixed-Reality-Erlebnisse, wie das storybasierte „Virtual Being“ von FableStudio, verwenden GPT-3 für interaktive Geschichten.
- Codex hilft Entwicklern, Eingaben in natürlicher Sprache in Code für eine komfortable Programmierung umzuwandeln.
- DALL·E unterstützt NFT-Entwickler und digitale Künstler bei der Erstellung tausender einzigartiger Kunstwerke in wenigen Minuten. Die KI kann auch Bilder bearbeiten.
#4. IBM Watson
IBM Watson ist ein Full-Service-KI-Paket für Unternehmen. Es kann als AGI angesehen werden, da es vielfältige Anwendungsbereiche hat. Es gibt verschiedene Watson-KIs, wie z.B.:
- IBM Watson Assistant für Kundenservice oder virtuelle Unterstützung
- IBM Watson Discovery für das Gewinnen von Erkenntnissen aus komplexen Geschäftsdokumenten
- IBM Watson Natural Language Understanding and Classifier
Schlussbemerkungen
Sie haben sich nun mit dem Konzept der künstlichen allgemeinen Intelligenz auseinandergesetzt. Sie haben auch ihre Funktionsweise, Herausforderungen, Beispiele, Risiken und mehr kennengelernt.
Dieses Wissen hilft Ihnen, Ihre KI-Entwicklungsprojekte richtig zu planen. Diese sollten flexibel genug sein, um intelligente Anwendungen der nächsten Generation in Ihr Projekt einzubinden und es zu einem AGI zu machen.
Für Unternehmen, die ihre Betriebsabläufe produktiver und kostengünstiger gestalten wollen, könnte AGI die Antwort sein, obwohl weitere Entwicklungen noch ausstehen.
Sie können als Nächstes mehr über Machine Learning erfahren.