KI braucht Physik mehr als Physik KI

In der heutigen Diskussion wird künstliche Intelligenz (KI) häufig als revolutionär dargestellt. In Wirklichkeit bleibt ihr messbarer Einfluss jedoch außerhalb einiger hochkarätiger wissenschaftlicher und kommerzieller Erfolge eher begrenzt. Die Nobelpreise 2024 in Chemie und Physik haben das Potenzial von KI betont, doch umfassendere Bewertungen zeigen, dass die Wirkung bislang oft mehr auf Promotion als auf technischer Substanz beruht.

Die Autoren betonen, dass KI zwar die Physik beeinflussen kann, die Physik jedoch deutlich mehr zu bieten hat. Moderne KI-Architekturen – große Sprachmodelle, logikbasierte Modelle und agentenbasierte Systeme – basieren auf Billionen von Parametern, die wenig sinnvoll sind, weisen eine Verteilungsschwankung auf, quantifizieren Unsicherheit nicht, liefern keine mechanistischen Einsichten und erfassen selbst grundlegende Naturgesetze nicht zuverlässig.

In ihrem Beitrag analysieren sie diese Grenzen, heben Chancen im Bereich Quantum AI und analoger Rechenverfahren hervor und skizzieren einen Fahrplan für die Einführung von „Big AI“. Dieser Ansatz verbindet theoretische Strenge mit der Flexibilität des maschinellen Lernens, um die Lücken zwischen KI und Physik nachhaltig zu schließen.