Sprachverständnis für Englisch, Klassifizierung von Bildern und visuelles Denken, also Gedankenabläufe nachvollziehbar sichtbar machen: Das sind Dinge, in denen KI-Anwendungen dem Menschen einiges Voraus haben. Es gibt aber auch Bereiche, da schlägt der Mensch die Maschine noch eindeutig. Welche das sind, zeigt der diesjährige Artificial Intelligence Index Report der Uni Stanford.

Es ist der mittlerweile siebte KI-Report, den das Stanford-Institut für menschenzentrierte künstliche Intelligenz veröffentlicht hat, und, so schreiben die Autor:innen, der bisher gewaltigste „in Größe, Umfang und Reichweite“. Insgesamt seien 2023 51 relevante Machine-Learning-Modelle von Unternehmen veröffentlicht worden, 15 von Forschungseinrichtungen und 21 kooperativ erarbeitete.

Auf 458 Seiten fassen die Wissenschaftler:innen den Status quo rund um die derzeit verfügbaren Modelle und dazu durchgeführte Studien zusammen. Dabei widmen sie sich (nachzulesen in Kapitel 2, Technical Performance) auch der Frage, wo entsprechende Programme schon besser abschneiden als der Mensch und wo nicht.

Gewonnen haben die menschlichen Proband:innen das Battle Mensch versus Maschine vor allem bei „komplexeren Aufgaben“ also beispielsweise bei „fortgeschrittener Mathematik, logischem Denken und Planung“. Beim englischen Sprachverständnis, visuellen Denkprozessen und beim Klassifizieren von Bildern konnten dagegen die KI-Modelle punkten.

Die unterschiedlichen Stärken von Mensch und Maschine lassen Potenzial für Symbiosen erahnen – und dass sich genau die lohnen können, wird ebenfalls aus dem Report ersichtlich. Verschiedene ausgewertete Studien zeigen, warum eine Zusammenarbeit von Mensch und Maschine attraktiv für Unternehmen sein könnte: „KI macht Arbeitnehmer produktiver und führt zu einer höheren Arbeitsqualität“ und helfe dabei, die Lücke zwischen höher und weniger ausgebildeten Arbeitskräften zu schließen.

Das Training von KI-Modellen sei derzeit allerdings ein massiv steigender Kostenfaktor: „Nach Schätzungen von AI Index haben die Ausbildungskosten der modernsten KI-Modelle ein noch nie dagewesenes Niveau erreicht. Das GPT-4 von OpenAI zum Beispiel verbrauchte schätzungsweise 78 Millionen [US-]Dollar an Rechenleistung für das Training, während Googles Gemini Ultra 191 Millionen Dollar an Rechenleistung kostete“.

Eine spannende Veränderung beobachten die Report-Autor:innen bezüglich der Haltung von Menschen gegenüber KI. In einer zitierten Umfrage von 2023 hatten rund 52 Prozent der Befragten angegeben, dass sie nervös bezüglich KI-Anwendungen seien – im Jahr davor waren es nur 39 Prozent gewesen. Neben der Nervosität nehmen aber auch die Regulierung zu: So habe es in den USA im Jahr 2023 „25 KI-bezogene Vorschriften“ gegeben, 2016 habe es lediglich eine einzige gegeben.