Intelligence Foundation Model: Neuer Ansatz für echte AGI

Eine neue Studie auf arXiv (2511.10119v1) präsentiert das „Intelligence Foundation Model“ (IFM), das einen völlig neuen Weg zur Erreichung von Artificial General Intelligence (AGI) aufzeigt. Im Gegensatz zu herkömmlichen Foundation Models, die sich auf Mustererkennung in einzelnen Domänen wie Sprache, Bild oder Zeitreihen konzentrieren, strebt das IFM danach, die zugrunde liegenden Mechanismen der Intelligenz zu erlernen – indem es direkt aus einer breiten Palette intelligenter Verhaltensweisen lernt.

Das IFM nutzt die Erkenntnis, dass intelligente Handlungen aus der kollektiven Dynamik biologischer neuronaler Systeme entstehen. Es besteht aus zwei Kernkomponenten: einer neuartigen „State Neural Network“-Architektur, die neuronale Dynamik nachahmt, und einer Lernaufgabe namens „Neuron Output Prediction“, die das System dazu bringt, neuronale Ausgaben aus kollektiven Dynamiken vorherzusagen. Diese Kombination ermöglicht es dem Modell, Informationen über die Zeit zu speichern, zu integrieren und zu verarbeiten, während es gleichzeitig die strukturellen Dynamiken intelligenter Verhaltensweisen erfasst.

Durch diese biologisch fundierte und rechnerisch skalierbare Basis schafft das IFM ein System, das über verschiedene Domänen hinweg generalisieren, logisch denken und sich adaptiv lernen kann – ein bedeutender Schritt in Richtung echter AGI.