Anzeige
Anzeige
MIT Technology Review Analyse

Intelligenztest: Wie viel Geist steckt in ChatGPT und Co.?

Auf den ersten Blick sind große Sprachmodelle nur Maschinen, die Texte ergänzen. Auf den zweiten Blick zeigen moderne KI jedoch verblüffende Fähigkeiten. Deutet das auf Spuren von Intelligenz hin?

Von Wolfgang Stieler
12 Min.
Artikel merken
Anzeige
Anzeige
Eine Maschine, die tatsächlich denken kann? Die Forschungscommunity ist angesichts dieser Frage gespalten. (Bild: Erstellt mit Midjourney, modifiziert durch Matthias Timm/MIT Technology Review)

Wenn das Alan Turing noch erlebt hätte. In seinem Essay „Computing Machinery and Intelligence“ parierte der Informatik-Pionier bereits 1950 zahlreiche Einwände gegen die Vorstellung, dass Computer jemals denken könnten. Er war fest davon überzeugt, dass es keine prinzipiellen Argumente gibt, die gegen „denkende“ und „intelligente“ Maschinen sprechen.

Anzeige
Anzeige
Cover der MIT Technology Review

Dieser Artikel wurde erstmals veröffentlicht in der Ausgabe 4/2023 von MIT Technology Review. Unter der Überschrift „Der Geist in der Maschine“ ist er Teil des Titelthemas „Alles wird KI“.

Damals war die Zahl der weltweit verfügbaren Computer erst an zwei Händen abzählbar – und die meisten wurden vom Militär betrieben. Erst 1951 brachten der Ingenieur John Presper Eckert und der Physiker John W. Mauchly mit dem Univac I in den USA den ersten kommerziell verfügbaren universellen Computer auf den Markt – ein technisches Wunderwerk mit 5.200 Röhren, 18.000 Kristall-Dioden und einem Arbeitsspeicher aus Quecksilber. Die Maschine benötigte 35 Quadratmeter Stellfläche und wog 13 Tonnen. Sie konnte damals schwindelerregende 1.905 Rechenoperationen pro Sekunde durchführen – ein moderner Mehrkern-Prozessor in einem heutigen Laptop kommt inzwischen auf einige hundert Milliarden Rechenoperationen pro Sekunde.

73 Jahre später berichten Microsoft-Mitarbeiter von Experimenten mit einer frühen Version des großen Sprachmodells GPT-4, das sich wie eine denkende Maschine verhält. Experimente, deren Ergebnisse „Funken allgemeiner Intelligenz“ zeigen sollen.

Anzeige
Anzeige

In dem vorab auf der Preprint-Plattform Arxiv veröffentlichten Aufsatz listen Sébastien Bubeck, Leiter der Arbeitsgruppe Machine Learning Foundations bei Microsoft Research, und seine Kolleg:innen zahlreiche erstaunliche Beispiele dafür auf: So ist das Sprachmodell nicht nur in der Lage, mathematische Beweise zu erstellen – und das in Form eines Theaterstücks im Stil Shakespeares („Consider this, my doubtful peer, A clever proof that will make clear: Assume that there’s a final prime, The largest one we’ll see in time …“). Es kann in fiktiven Situationen auch die Gefühle der handelnden Personen deuten, Logikrätsel lösen und dabei den Lösungsweg erklären oder in einem nur durch verschiedene Texte beschriebenen Labyrinth neue Wege finden.

Ist das der Durchbruch? Eine Maschine, die denkt? Die über menschenähnliche Fähigkeiten verfügt? Wie gespalten die Forschungscommunity ist, zeigt eine Umfrage aus dem Jahr 2022 darüber, ob große Sprachmodelle prinzipiell jemals Sprache in einem „nicht trivialen Sinn“ verstehen könnten. Von 480 befragten Forscher:innen sprachen sich 51 Prozent für diese Aussage aus und 49 Prozent dagegen.

Anzeige
Anzeige

Skeptische Wissenschaftler:innen betonen, dass große Sprachmodelle nur Statistikautomaten sind. Doch warum, sagen andere, werden die Modelle dann immer besser, je größer sie werden? Warum können sie dann diese erstaunlichen Fähigkeiten entwickeln, ohne dass sie darauf trainiert worden sind? Könnte es nicht doch sein, dass in der undurchdringlichen Black Box der riesigen Modelle mehr steckt als nur Statistik? Und wenn ja, wie findet man das heraus?

Alan Turings Antwort auf die Frage, wie man Intelligenz in Maschinen erkennen kann – der Turing-Test –, hat sich als untauglich erwiesen. Denn nicht erst seit der Veröffentlichung von ChatGPT gibt es Software, die menschliche Tester in einem reinen Textdialog problemlos davon überzeugen kann, sie sei ein Mensch. Nicht immer, aber immer wieder.

Anzeige
Anzeige

In einer Veröffentlichung aus dem Jahr 2012 schlugen die Informatiker:innen Hector Levesque, Ernest Davis und Leora Morgenstern daher einen Test vor, den sie Winograd-Schema nannten – nach dem US-Informatiker Terry Winograd, von dem die Idee ursprünglich stammte.

Der Test beruht im Wesentlichen auf der fehlenden Eindeutigkeit von Sprache und enthält Aufgaben wie: „Sie ließ die Flasche fallen und sie zerbrach. Wer oder was ist zerbrochen?“ Aus dieser Idee entwickelten KI-Forscher einen standardisierten Satz von Aufgaben. Menschen fällt es leicht, den richtigen Bezug zu erkennen, die ersten Sprachmodelle taten sich sehr schwer damit. Doch die großen Sprachmodelle zogen schnell nach: 2020 berichtete OpenAI, dass GPT-3 bei fast 90 Prozent der Sätze in solchen Tests korrekte Antworten lieferte.

Das Allen Institute for Artificial Intelligence beschloss daraufhin, KI einzusetzen, um den KI-Test noch schwerer zu machen. Es erstellte einen großen Satz von Winograd-Schemata und ließ ein KI-Modell alle Sätze streichen, die leicht zu lösen waren. Wie erwartet schnitten die damals verfügbaren großen Sprachmodelle – zum Beispiel das im Februar 2019 veröffentlichte GPT-2 – bei dieser Winogrande genannten Aufgabensammlung deutlich schlechter ab als Menschen. Mittlerweile lösen ChatGPT und Co. jedoch auch unter den verschärften Anforderungen wieder rund 90 Prozent aller Aufgaben. Das könnte allerdings auch damit zu tun haben, dass die Modelle mit genau diesen Testfragen – und den richtigen Antworten – trainiert worden sind.

Fast fertig!

Bitte klicke auf den Link in der Bestätigungsmail, um deine Anmeldung abzuschließen.

Du willst noch weitere Infos zum Newsletter? Jetzt mehr erfahren

Anzeige
Anzeige
Schreib den ersten Kommentar!
Bitte beachte unsere Community-Richtlinien

Wir freuen uns über kontroverse Diskussionen, die gerne auch mal hitzig geführt werden dürfen. Beleidigende, grob anstößige, rassistische und strafrechtlich relevante Äußerungen und Beiträge tolerieren wir nicht. Bitte achte darauf, dass du keine Texte veröffentlichst, für die du keine ausdrückliche Erlaubnis des Urhebers hast. Ebenfalls nicht erlaubt ist der Missbrauch der Webangebote unter t3n.de als Werbeplattform. Die Nennung von Produktnamen, Herstellern, Dienstleistern und Websites ist nur dann zulässig, wenn damit nicht vorrangig der Zweck der Werbung verfolgt wird. Wir behalten uns vor, Beiträge, die diese Regeln verletzen, zu löschen und Accounts zeitweilig oder auf Dauer zu sperren.

Trotz all dieser notwendigen Regeln: Diskutiere kontrovers, sage anderen deine Meinung, trage mit weiterführenden Informationen zum Wissensaustausch bei, aber bleibe dabei fair und respektiere die Meinung anderer. Wir wünschen Dir viel Spaß mit den Webangeboten von t3n und freuen uns auf spannende Beiträge.

Dein t3n-Team

Melde dich mit deinem t3n Account an oder fülle die unteren Felder aus.

Bitte schalte deinen Adblocker für t3n.de aus!
Hallo und herzlich willkommen bei t3n!

Bitte schalte deinen Adblocker für t3n.de aus, um diesen Artikel zu lesen.

Wir sind ein unabhängiger Publisher mit einem Team von mehr als 75 fantastischen Menschen, aber ohne riesigen Konzern im Rücken. Banner und ähnliche Werbemittel sind für unsere Finanzierung sehr wichtig.

Schon jetzt und im Namen der gesamten t3n-Crew: vielen Dank für deine Unterstützung! 🙌

Deine t3n-Crew

Anleitung zur Deaktivierung
Artikel merken

Bitte melde dich an, um diesen Artikel in deiner persönlichen Merkliste auf t3n zu speichern.

Jetzt registrieren und merken

Du hast schon einen t3n-Account? Hier anmelden

oder
Auf Mastodon teilen

Gib die URL deiner Mastodon-Instanz ein, um den Artikel zu teilen.

Anzeige
Anzeige