Les LLMs bestimmen nicht das Schicksal der AGI, sagt Neila Murray von Meta

Die Behauptung, dass LLMs nicht das Schicksal von AGI bestimmen, regt zu kritischem Nachdenken an. Neila Murray, eine einflussreiche Persönlichkeit bei Meta, stellt die Fähigkeit von Sprachmodellen in Frage, wahre allgemeine Intelligenz zu erreichen. Die Hypothese einer verkörperten AGI, anstelle einer bloßen linguistischen Simulation, wirft die Frage nach einem authentischen Verständnis des Menschen auf. Die Diskussionen rund um diese Technologien zeigen die Grenzen der LLMs in Bezug auf ihr Verständnis der realen Welt und des Gedächtnisses. Die lebhaften Debatten verdeutlichen das Fehlen von kontextualisiertem Denken und menschlichen Emotionen und heben die Herausforderungen hervor, die überwunden werden müssen, bevor die allgemeine künstliche Intelligenz erreicht werden kann.

Die Grenzen der LLMs laut Meta

Neila Murray, Expertin für künstliche Intelligenz bei Meta, behauptet, dass große Sprachmodelle (LLMs) nicht die Zukunft der allgemeinen künstlichen Intelligenz (AGI) darstellen. Diese Systeme, obwohl sie außergewöhnlich leistungsfähig in der Datenanalyse und der Texterstellung sind, weisen grundlegende Mängel in ihrem Verständnis der realen Welt auf. Ihre Intelligenz ist besonders durch die Trainingsdaten eingeschränkt, die nicht immer die Komplexität menschlicher Erfahrungen widerspiegeln.

Kritik an der begrenzten Intelligenz

Die LLMs mangeln an echter Intelligenz, so Murray. Ihre Lernfähigkeiten basieren auf statistisch fortgeschrittenen Algorithmen, aber diese Algorithmen garantieren kein tiefes Verständnis oder effektives Denken. Das Fehlen von verkörperten Erfahrungen, die die Interaktion mit der physischen Welt einschließen, erschwert ihre Fähigkeit, die Nuancen menschlicher Interaktionen zu erfassen.

Die Herausforderung der AGI

Yan LeCun, Forschungsleiter bei Meta, teilt ähnliche Perspektiven zur AGI. Seiner Meinung nach ist es unwahrscheinlich, dass die aktuellen LLMs ein Intelligenzniveau erreichen, das mit dem menschlichen vergleichbar ist. Die derzeitigen Modelle müssen sich weiterentwickeln, um wesentliche Merkmale wie persistentes Gedächtnis, die Fähigkeit zum Denken und ein kontextuelles Verständnis zu integrieren.

Auf dem Weg zu einer verkörperten Intelligenz

Forscher bei Meta vertreten die Auffassung, dass AGI nur mit einer Intelligenz erreicht werden kann, die einen physischen Körper besitzt. Diese Hypothese ist als verkörperte KI bekannt. In diesem Sinne müssen die aktuellen Technologien sich an der Art und Weise orientieren, wie Menschen lernen und mit ihrer Umgebung interagieren. Ein solcher Ansatz würde es ermöglichen, die Barrieren zu überwinden, die die LLMs nicht überwinden können.

Investitionen und Zukunft der KI

Die massiven Investitionen in die Entwicklung von LLMs werfen Fragen zu ihrer tatsächlichen Effizienz auf. Studien zeigen, dass das Kosten-Nutzen-Verhältnis dieser Modelle erschöpft ist, was auf eine Stagnation der Leistungen hinweist, trotz der erheblichen Ressourcen, die bereitgestellt werden. Experten schlagen vor, dass ein „Deckel“ erreicht wurde, der die zukünftigen Fortschritte, die ausschließlich auf LLMs basieren, einschränkt.

Konfrontierte Perspektiven

Die Debatte über LLMs und AGI ist komplex und bringt verschiedene Meinungen innerhalb der wissenschaftlichen Gemeinschaft hervor. Einige Stimmen plädieren dafür, neue Technologien und Methoden zu erforschen, während andere vor einer Überschätzung der aktuellen Fähigkeiten warnen. Die Zukunft der KI scheint herausfordernd zu sein und erfordert Innovationen, die über konventionelle Ansätze hinausgehen.

Schlussfolgerung der Experten

Murray und LeCun, unter anderen, bestehen auf der Notwendigkeit einer Neubewertung unseres Verständnisses von künstlicher Intelligenz. Die Suche nach einer authentischen AGI erfordert Anstrengungen, um maschinelles Lernen mit ganzheitlicheren Lernmethoden in Einklang zu bringen, die die grundlegenden sozialen und emotionalen Dimensionen integrieren, um die Technologie in Richtung ihres echten Potenzials weiterzuentwickeln.

Häufige Fragen zu LLMs und AGI

Was sind die Hauptargumente von Neila Murray zu LLMs und AGI?
Neila Murray betont, dass große Sprachmodelle (LLMs) aufgrund ihrer ausschließlich datengestützten Ausbildung kein Verständnis der realen Welt haben. Sie behauptet, dass ihre Intelligenz nicht mit der menschlichen vergleichbar ist, da ihnen konkrete oder verkörperte Erfahrungen fehlen.

Warum denkt Neila Murray, dass LLMs nicht zu AGI führen werden?
Murray argumentiert, dass es entscheidend ist, Aspekte wie persistentes Gedächtnis, die Fähigkeit zum Denken und physische Interaktion mit der Welt zu integrieren, um die allgemeine künstliche Intelligenz (AGI) zu erreichen, was die LLMs als von ihren Trainingsdaten begrenzte Modelle nicht besitzen.

Welche großen Herausforderungen müssen LLMs überwinden, um zur AGI beizutragen?
Zu den Herausforderungen gehören die Entwicklung einer Intelligenz, die aus Erfahrung lernen, soziale Kontexte verstehen und komplexe Argumentationen durchführen kann, jenseits der bloßen Nachahmung menschlicher Sprache.

Was ist der Zusammenhang zwischen LLMs und der Idee der verkörperten KI?
Die verkörperte KI bezieht sich auf eine Intelligenz, die einen physischen Körper benötigt, um mit ihrer Umgebung zu interagieren und die Welt auf nuanciertere Weise zu verstehen. Laut Murray können LLMs, denen diese physische Erfahrung fehlt, keine Intelligenzlevels erreichen, die vergleichbar sind mit denen von Menschen.

Inwiefern beeinflussen die Kritiken der LLMs durch Neila Murray die KI-Forschung?
Die Kritiken von Murray regen Forscher an, ihre Ansätze zur KI neu zu überdenken und betonen die Notwendigkeit, intelligente Systeme zu entwickeln, die in verschiedenen Umgebungen holistischere und integrierte Lösungen bieten können.

Welche Arten von Anwendungen könnten laut Murray von einer AGI profitieren?
Eine AGI könnte Bereiche wie Gesundheit, Bildung und Kundenservice transformieren, indem sie passendere und reaktionsschnellere Lösungen anbietet, die reale menschliche Erfahrungen und kontextuelles Denken integrieren.

Welche Folgen könnte die fortgesetzte Nutzung von LLMs ohne Evolution hin zur AGI haben?
Die ausschließliche Abhängigkeit von LLMs könnte die Fähigkeit intelligenter Systeme einschränken, den komplexen Herausforderungen des täglichen Lebens zu begegnen, was zu einer Stagnation bei Innovationen und der Effizienz der vorgeschlagenen Lösungen führen könnte.