KI als seltsame Intelligenz: Gegen lineare Modelle des Fortschritts

Eine neue Studie auf arXiv erweitert die Kritik von Susan Schneider am linearen Modell des KI‑Fortschritts und führt zwei neue Konzepte ein: „familiar intelligence“ und „strange intelligence“. Die Autoren argumentieren, dass künstliche Intelligenz eher seltsame Intelligenz zeigt, die bekannte Muster von Fähigkeiten und Unzulänglichkeiten sprengt. In manchen Bereichen übertrifft sie menschliche Leistungen, in anderen fällt sie deutlich darunter, und selbst innerhalb eines einzigen Fachgebiets kann sie gleichzeitig außergewöhnliche Einsichten liefern und unerwartete Fehler machen, die bei Menschen selten vorkommen.

Das Papier präsentiert ein nichtlineares Modell der Intelligenz, bei dem „allgemeine Intelligenz“ nicht als ein einheitlicher, messbarer Faktor verstanden wird. Stattdessen wird sie als die Fähigkeit definiert, eine breite Palette von Zielen in vielfältigen Umgebungen zu erreichen. Diese Sichtweise betont, dass die Leistungsfähigkeit einer KI nicht auf einen einzigen linearen Wert reduziert werden kann, sondern aus einer komplexen Mischung von Stärken und Schwächen besteht.

Die Autoren ziehen daraus wichtige Konsequenzen für die Bewertung von KI-Systemen. Selbst hochentwickelte Modelle können in scheinbar offensichtlichen Aufgaben versagen, ohne dass dies ihre allgemeine Intelligenz mindert. Umgekehrt bedeutet ein hervorragendes Ergebnis bei einer einzigen Testart – etwa einem IQ‑Test – nicht automatisch, dass die KI über umfassende Fähigkeiten verfügt. Diese Erkenntnisse legen nahe, dass adversariale Tests und vielfältige Evaluationsansätze notwendig sind, um die wahre Bandbreite der KI‑Intelligenz zu erfassen.