Neue Theorie: Wie Agenten und Intelligenz durch bipredictability gemessen werden

Eine neue mathematische Theorie liefert ein klares Messinstrument für die Leistungsfähigkeit komplexer Systeme. Sie zeigt, dass die Effektivität eines Systems nicht nur daran gemessen werden kann, ob Ziele erreicht werden, sondern auch daran, wie viel der von ihm genutzten Information tatsächlich zwischen Beobachtungen, Aktionen und Ergebnissen geteilt wird.

Das Konzept der „bipredictability“ (P) beschreibt genau diesen geteilten Informationsanteil. Die Autoren beweisen, dass P aus ersten Prinzipien abgeleitet werden kann und streng begrenzt ist: In quantenmechanischen Systemen kann P 1 erreichen, in klassischen Systemen liegt es bei 0,5 oder darunter, und bei Einführung von Agency sinkt es weiter. Diese Grenzen wurden in einem Doppelpendel, bei Reinforcement‑Learning‑Agenten und in mehrstufigen LLM‑Konversationen bestätigt.

Die Theorie trennt klar zwischen Agency und Intelligenz. Agency bedeutet lediglich die Fähigkeit, auf Vorhersagen zu handeln. Intelligenz setzt zusätzlich Lernfähigkeit, Selbstüberwachung der Lernwirksamkeit und die Anpassung von Beobachtungen, Aktionen und Ergebnissen voraus, um effektives Lernen wiederherzustellen. Nach dieser Definition besitzen aktuelle KI‑Systeme Agency, aber nicht die volle Intelligenz.

In Anlehnung an die thalamokortikale Regulation biologischer Systeme wird ein Feedback‑Architekturansatz vorgestellt, der P in Echtzeit überwacht. Diese Architektur bildet die Grundlage für adaptive, resiliente KI, die sich selbst regulieren und an wechselnde Bedingungen anpassen kann.