Taxonomie der AGI-Reifegrade und der aktuelle Stand der künstlichen Superintelligenz

Der Begriff Allgemeine Künstliche Intelligenz (AGI) wird in der Tech-Industrie immer häufiger als Marketing-Buzzword verwendet. OpenAI erklärt, dass das Zeitalter der AGI angebrochen sei, und definiert AGI als eine KI, die mindestens genauso intelligent ist wie ein durchschnittlicher Mensch. In der Fachwelt gilt diese Definition allerdings als zu vage. Der folgende Artikel fasst den aktuellen wissenschaftlichen Stand, die von Google DeepMind vorgeschlagene Taxonomie und die wichtigsten empirischen Befunde zusammen - und zeigt, warum die versprochene Superintelligenz noch nicht Realität ist.

Was unterscheidet AGI von "schmaler" KI (Narrow AI)?

Schmale KI ist auf eine abgegrenzte Domäne spezialisiert, etwa Schachspielen, Bildsegmentierung oder Sprachübersetzung. Sie kann ihr Wissen nicht auf andere Aufgaben übertragen. AGI hingegen bezeichnet hypothetische Systeme, die flexibel, zielorientiert und ohne Neuschulung beliebige kognitive Aufgaben lösen können - genau wie Menschen.

• Domänenspezifität: Narrow AI operiert in engen, vordefinierten Bereichen.
• Generalisierung: AGI soll Wissen und Fähigkeiten über verschiedene Domänen hinweg anwenden können.
• Adaptivität: AGI kann neue Probleme ohne vorheriges Training bewältigen.

Taxonomie der AGI-Reifegrade (Google DeepMind Framework)

Ein Forschungsteam von Google DeepMind hat im Jahr 2024 eine fünfstufige Klassifikation für AGI-Entwicklungsstände veröffentlicht (Morris et al., 2024). Die Taxonomie unterscheidet zwischen Wissensbreite (schmal vs. generell) und Performanzniveau. Die Stufen lauten:

1. Emerging AGI (Level 1): Systeme besitzen breites, aber oberflächliches Wissen - vergleichbar mit einem unausgebildeten Erwachsenen in Teilbereichen.
2. Competent AGI (Level 2): Leistungsfähiger, kann in mehreren Domänen qualitativ mit Fachkräften konkurrieren.
3. Advanced AGI (Level 3): Erreicht menschliche Expertenleistung in vielen komplexen Aufgaben.
4. Virtuoso AGI (Level 4): Übertrifft die besten menschlichen Spezialist*innen weltweit.
5. Superintelligent AGI (Level 5): Übertrifft das kollektive menschliche Leistungsniveau in praktisch allen Bereichen.

Nach dieser Definition befinden sich die heute führenden Sprachmodelle, etwa GPT-4 oder Claude, noch auf Stufe 1 (Emerging AGI). Sie erreichen das Niveau eines ungeschulten Erwachsenen in ausgewählten Teilaufgaben, fehlen jedoch bei kausaler Logik, Langzeitgedächtnis und echter Adaptivität.

Der aktuelle Stand der Frontier-Modelle

Im Jahr 2024 wird das AGI-Level der gegenwärtigen großen Sprachmodelle (LLMs) noch auf Level 1 - Emerging AGI bewertet. Trotz beeindruckender Ergebnisse auf standardisierten Benchmarks liegt die tatsächliche Leistungsfähigkeit hinter den Erwartungen:

• Auf dem Massive Multitask Language Understanding (MMLU) -Benchmark erreichen die State-of-the-Art-Modelle über 85 % korrekte Antworten (Stanford AI Index 2024).
• Die gleiche Leistung spiegelt jedoch nicht die Fähigkeit wider, neuartige Logik- und Adaptionsaufgaben zu lösen, wie das Abstraction and Reasoning Corpus (ARC-AGI) zeigt.

Das ARC-AGI-Dilemma verdeutlicht, dass hohe Benchmark-Scores häufig auf memorierten Wissensbeständen beruhen, während echte Generalisierung fehlt.

Expertenkonsens zu Zeithorizonten (AI Impacts Survey)

Die bislang größte wissenschaftliche Befragung von 2.778 publizierenden KI-Forscher*innen (Grace et al., 2024) liefert statistisch fundierte Prognosen zum Erreichen von "High-Level Machine Intelligence" (HLMI):

• Der Median schätzt die 50-%-Wahrscheinlichkeit für HLMI auf das Jahr 2047 - das ist 13 Jahre früher als in der Vorjahresbefragung (2060).
• Die Wahrscheinlichkeit, dass HLMI bereits bis 2027 eintritt, liegt bei nur 10 %.
• Zwischen 38 % und 51 % der befragten Forschenden sehen ein existenzielles Risiko (≥ 10 % Wahrscheinlichkeit für Menschheitsauslöschung).

Diese Zahlen verdeutlichen, dass die Erwartungshaltung in der Fachcommunity stark nach vorne gerückt ist, aber gleichzeitig große Unsicherheit über das genaue Timing und die Risiken besteht.

Grenzen gängiger Benchmarks und das ARC-AGI-Dilemma

Standard-Benchmarks wie MMLU werden von aktuellen LLMs zu über 85-90 % gelöst. Sie messen jedoch primär memoriertes Faktenwissen. Das ARC-AGI -Testset fordert generative Systeme heraus, neuartige visuelle Logikgitter ohne vorherige Trainingsmuster zu lösen. Das durchschnittliche menschliche Baseline-Ergebnis liegt bei etwa 85 %, während aktuelle Modelle deutlich schlechter abschneiden - ein klarer Hinweis darauf, dass sie noch keine echte Generalisierung besitzen.

Kontroverse Punkte: Moving-Goalpost-Phänomen und Benchmark-Diskrepanz

Zwei zentrale Kritikpunkte werden in der Fachliteratur häufig genannt:

• Moving-Goalpost-Phänomen: Sobald ein Algorithmus eine neue Aufgabe (z. B. Schach, Go, akademische Multiple-Choice-Prüfungen) meistert, wird ihm häufig die Bezeichnung "echte Intelligenz" entzogen. Die Definition von AGI bleibt dadurch historisch instabil.
• Diskrepanz zwischen Benchmark-Sättigung und realer Agenten-Autonomie: Sehr hohe Benchmark-Ergebnisse erwecken den Eindruck unmittelbarer Superintelligenz, während KI-Agenten im industriellen Alltag weiterhin an Langzeitplanung und Fehlerkorrektur scheitern.

FAQ - Häufig gestellte Fragen

Was unterscheidet AGI von "schmaler" KI (Narrow AI)?

Schmale KI ist auf eine abgegrenzte Domäne spezialisiert und kann ihr Wissen nicht übertragen. AGI bezeichnet hypothetische Systeme, die flexibel, zielorientiert und ohne Neuschulung beliebige kognitive Aufgaben lösen können, zu denen Menschen fähig sind.

Haben aktuelle Sprachmodelle bereits AGI erreicht?

Nein. In der Wissenschaft (u. a. Google DeepMind) werden aktuelle Modelle wie GPT-4 lediglich als Vorstufen ("Emerging AGI") eingestuft, da sie zwar breites Wissen besitzen, jedoch bei kausaler Logik, Langzeitgedächtnis und echter Adaptivität gravierende Lücken aufweisen.