Apple-Studie zeigt Grenzen aktueller KI-Modelle auf

CUPERTINO / LONDON (IT BOLTWISE) – Eine aktuelle Studie von Apple hat fundamentale Grenzen in der Leistungsfähigkeit moderner KI-Modelle aufgedeckt. Diese Erkenntnisse werfen Fragen über die Zukunft der Künstlichen Intelligenz und den Wettlauf um immer leistungsfähigere Systeme auf.

In einer kürzlich veröffentlichten Studie haben Apple-Forscher grundlegende Einschränkungen bei hochmodernen KI-Modellen festgestellt. Diese Erkenntnisse stellen die derzeitige Entwicklung von immer leistungsfähigeren Systemen in der Technologiebranche in Frage. Die Studie zeigt, dass große Reasoning-Modelle (LRMs) bei der Bewältigung hochkomplexer Probleme auf erhebliche Schwierigkeiten stoßen und dabei eine vollständige Genauigkeitskrise erleben.

Die Untersuchung ergab, dass Standard-KI-Modelle bei Aufgaben mit geringer Komplexität besser abschnitten als LRMs. Beide Modelltypen erlebten jedoch bei hochkomplexen Aufgaben einen völligen Zusammenbruch. Große Reasoning-Modelle versuchen, komplexe Anfragen zu lösen, indem sie detaillierte Denkprozesse generieren, die das Problem in kleinere Schritte zerlegen.

Besonders besorgniserregend fanden die Apple-Forscher, dass LRMs, wenn sie sich dem Leistungseinbruch näherten, begannen, ihre Anstrengungen im Bereich des logischen Denkens zu reduzieren. Gary Marcus, ein prominenter Kritiker der KI-Fähigkeiten, bezeichnete die Ergebnisse der Apple-Studie als “ziemlich verheerend”. Er betonte, dass diese Erkenntnisse Fragen über den Wettlauf zur künstlichen allgemeinen Intelligenz (AGI) aufwerfen, einem theoretischen Stadium der KI, in dem ein System in der Lage ist, jede intellektuelle Aufgabe eines Menschen zu erfüllen.

Die Studie stellte auch fest, dass Reasoning-Modelle Rechenleistung verschwendeten, indem sie bei einfacheren Problemen frühzeitig die richtige Lösung fanden. Bei etwas komplexeren Problemen erkundeten die Modelle jedoch zunächst falsche Lösungen und kamen später zur richtigen. Bei noch komplexeren Problemen gerieten die Modelle jedoch in einen “Zusammenbruch” und konnten keine korrekten Lösungen mehr generieren.

Ein besonders bemerkenswerter Fall war, dass die Modelle selbst dann versagten, als ihnen ein Algorithmus zur Lösung des Problems zur Verfügung gestellt wurde. Die Apple-Experten wiesen darauf hin, dass dies auf eine “grundlegende Skalierungsbeschränkung in den Denkfähigkeiten aktueller Reasoning-Modelle” hinweist.

Die Studie setzte die LRMs vor Herausforderungen wie dem Lösen des Turms von Hanoi und Flussüberquerungsrätseln. Die Forscher räumten ein, dass der Fokus auf Rätsel eine Einschränkung der Arbeit darstellt. Dennoch deutet die Studie darauf hin, dass der aktuelle Ansatz der KI-Entwicklung an seine Grenzen stößt.

Andrew Rogoyski vom Institute for People-Centred AI an der University of Surrey kommentierte, dass die Apple-Studie signalisiere, dass die Branche noch ihren Weg zur AGI finde und möglicherweise in einer Sackgasse stecke. “Die Erkenntnis, dass große Reasoning-Modelle bei komplexen Problemen den Faden verlieren, während sie bei mittel- und niedrigkomplexen Problemen gut abschneiden, deutet darauf hin, dass wir uns in einer möglichen Sackgasse bei den aktuellen Ansätzen befinden”, sagte er.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!