Weltmodelle statt Chatbots: So sieht die wahre Zukunft der KI aus
Hassabis erklärt, warum Sprachmodelle am Ende sind und Systeme wie Genie 3 jetzt übernehmen müssen.
Demis Hassabis dämpft die Erwartungen an schnelle Wunder, zeichnet aber einen klaren Weg für die Zukunft. Der Chef von Google DeepMind sieht eine echte Überhitzung im Markt, während er gleichzeitig die nächste technologische Stufe zündet: Weltmodelle sollen Maschinen endlich ein Verständnis für physische Gesetze geben.
Die KI-Blase und Googles Sonderweg
Hassabis bestätigt in aktuellen Interviews Spekulationen über eine finanzielle Blase im KI-Sektor. Investoren pumpen derzeit Milliarden in Startups, ohne dass tragfähige Geschäftsmodelle dahinterstehen. Google sieht er von diesem Risiko isoliert, da der Konzern die grundlegende Infrastruktur bereitstellt und nicht blind auf Risiko wettet. Die Entwicklungskosten steigen dennoch enorm an und erreichen astronomische Höhen. Nur wenige Akteure besitzen überhaupt die Mittel, um die nötigen Rechenzentren langfristig zu finanzieren. Google setzt hier auf eine Strategie des "Maschinenraums", um unabhängig von kurzfristigen Marktschwankungen lieferfähig zu bleiben.
Weltmodelle als neuer Fokus der Forschung
Reine Skalierung bringt inzwischen immer weniger Erträge für den immensen Aufwand. Der Fokus verschiebt sich deshalb massiv auf sogenannte Weltmodelle wie SIMA 2 und Genie 3. Diese Systeme lernen nicht mehr nur Texte auswendig, sondern verstehen räumliche Zusammenhänge und Ursache-Wirkung-Prinzipien. Eine KI kann damit in Videospielen navigieren oder Robotern komplexe Handgriffe beibringen, weil sie die Konsequenzen einer Aktion vorausberechnet. Diese Modelle simulieren die Realität, statt nur statistische Wahrscheinlichkeiten von Worten zu berechnen. Das Verständnis der physischen Welt gilt als Schlüssel, um KI im Alltag wirklich nützlich zu machen.
Ernüchterung beim Zeitplan für die Superintelligenz
Der Traum von einer generellen künstlichen Intelligenz bleibt vorerst Zukunftsmusik. Hassabis korrigiert frühere, optimistische Prognosen und rechnet erst in fünf bis zehn Jahren mit einer AGI, die menschliches Niveau erreicht. Rechenpower allein reicht für diesen Schritt nicht aus. Forscher benötigen völlig neue architektonische Durchbrüche, um logisches Denken und echte Planung in Software zu gießen. Das Wettrennen verlagert sich damit von der reinen Hardwarebeschaffung zurück in die Forschungslabore. Die KI-Branche muss nun beweisen, dass sie echte Probleme lösen kann, statt nur Hypes zu generieren.