Der Chef von DeepMind hat selbst enthüllt, dass AGI in fünf Jahren anrückt. Der Rechenleistungswunsch steigt um das Zehnfache, und die Inferenzrechnung verschlingt alles.

Hassabis ist definitiv einer der klügsten und interessantesten Köpfe der heutigen Welt.

In einem neuesten Podcast hat er gesagt: „Jede in der Natur entdeckte Regel kann von maschinellen Lernalgorithmen effizient gelernt und nachgeahmt werden.“

AlphaGo und AlphaFold erstellen ein Modell für komplexe Probleme mit einer fast unvorstellbaren Anzahl von Möglichkeiten. Proteine falten sich in unserem Körper in nur wenigen Millisekunden.

Die Systeme der Natur haben eine Struktur. Alles, was sich in der Evolution herausgebildet hat, kann effizient verstanden und nachgeahmt werden.

Es ist, als ob die Natur ein Spiel spielt. Das Wunderbarste ist, dass die von ihr geschaffenen Dinge genau so sind, dass sie mit Modellen effizient verstanden werden können.

Veo kann die Reflexion von Flüssigkeiten und verschiedenen Materialien simulieren, und das Ergebnis ist erstaunlich gut.

Hassabis hat früher in einer Spielefirma an Physikmotoren gearbeitet und weiß, wie anstrengend es ist, ein Programm von Grund auf neu zu schreiben, um dies zu erreichen.

Und es scheint, dass die KI die physikalischen Gesetze einfach nur durch das Anschauen von YouTube-Videos verstehen kann.

Das Rendern, die Beleuchtung usw. bei der Videogenerierung sind die Kern- und Grundlagen der Physik. Sie enthüllen uns einige grundlegende Wahrheiten über die Struktur des Universums.

Wenn wir verstehen können, wie die Physik das macht und dann diesen Prozess modellieren, sollte es machbar sein.

Das Aufbauen eines echten AGI

Er hat früher gedacht, wie viele Theorien der Neurowissenschaften es sagen, dass man nur durch Handeln in der Welt wirklich tiefgreifend wahrnehmen kann.

Aber jetzt scheint es, dass man es auch durch passives Beobachten verstehen kann.

Als nächstes könnte man diese Videos interaktiv machen, sodass man tatsächlich in das Video hineingehen und darin herumlaufen kann. Das wäre sehr beeindruckend.

Hassabis meint, dass dies dann schon dem „Weltmodell“ nahe kommt, das die Mechanik, die physikalischen Gesetze der Welt und alle Dinge in ihr umfasst.

Das ist genau das, was ein echter AGI-System benötigt.

AGI als „Computerspiel“

Er träumt oft darüber, was man hätte machen können, wenn man schon in den 90er Jahren die heutigen KI-Systeme gehabt hätte.

Hassabis sagt, dass man absolut atemberaubende und beeindruckende Spiele erstellen könnte.

In einem Spiel gibt es eine simulierte Welt mit KI-Charakteren. Die Spieler interagieren mit dieser simulierten Welt, und diese passt sich den Aktionen der Spieler an.

Er meint, dass dies die spannendsten Spiele wären, und die Spielerfahrung wäre für jeden einzigartig.

Wir setzen die Parameter und die Anfangsbedingungen fest, und dann tauchen die Spieler ein und schaffen gemeinsam mit dieser simulierten Welt ihre eigenen Geschichten.

Aber es ist natürlich sehr schwierig, ein offenes Welten-Spiel zu programmieren.

Es muss in der Lage sein, ansprechende Inhalte für jede Richtung, in die der Spieler geht, zu schaffen.

Wir befinden uns möglicherweise gerade am Anfang einer neuen Ära.

In den nächsten Jahren, vielleicht in fünf bis zehn Jahren, werden wir möglicherweise KI-Systeme haben, die sich wirklich an unserer Vorstellungskraft orientieren.

Sie können die Geschichten dynamisch verändern und erzählen eine dramatische Geschichte, unabhängig von Ihrer Wahl.

Hassabis glaubt, dass dies vielleicht schon in greifbarer Nähe ist.

Stellen Sie sich die interaktive Version von Veo vor. Wie großartig wäre das!

Was die Spieler wirklich wollen, ist, dass in der Spielumgebung alles möglich ist.

Computerspiele könnten zu einem Ort werden, an dem die Menschen Sinn suchen.

In Spielen können Sie äußerst reiche und sinnvolle Erfahrungen machen und sogar vielfältigere Lebensweisen erleben.

Aber andererseits ist es auch sehr wichtig, die physische Welt zu genießen und zu erleben.

Wir müssen uns erneut der Frage stellen: Was ist die Natur der Realität?

Was ist der Unterschied zwischen diesen immer realistischer werdenden, mehrspielerfähigen, emergenten simulierten Welten und den Dingen, die wir in der realen Welt tun?

Super-Forscher für KI

Beim Schritt hin zu ASI gibt es viele interessante Ideen, darunter die von „Super-Programmierern“ und „Super-KI-Forschern“.

Er hat ein sehr interessantes Wort erwähnt: „Forschungssinn“ (research taste).

Ob KI herausragenden menschlichen Wissenschaftlern helfen kann, zu entscheiden, welche Richtungen wirklich neue Ideen hervorbringen könnten, scheint ein äußerst wichtiger Teil für erstklassige wissenschaftliche Forschung zu sein.

Hassabis meint, dass es einer der schwierigsten Dinge sein wird, „Geschmack“ und Urteilsvermögen zu modellieren oder nachzuahmen.

Das ist genau der Unterschied zwischen großen und guten Wissenschaftlern.

Eine wirklich gute Vermutung aufzustellen, ist viel schwieriger als sie zu beweisen.

Bei der Internationalen Mathematik-Olympiade hat AlphaProof im vergangenen Jahr eine Silbermedaille gewonnen. Vielleicht können wir schließlich ein Millenniums-Problem lösen.

Solange die Frage richtig gestellt und das Experiment richtig geplant ist, hat das Scheitern selbst einen großen Wert.

Das Wetter-System ist berühmt dafür, dass es schwierig zu modellieren ist, aber Google DeepMind hat Fortschritte erzielt.

DeepMind hat das beste Wettervorhersage-System der Welt entwickelt, das besser ist als die traditionellen, auf der Strömungsdynamik basierenden Systeme.

Traditionelle Systeme müssen normalerweise mehrere Tage auf riesigen Supercomputern laufen, um ein Ergebnis zu liefern.

Selbst wenn diese Dynamiken sehr komplex und in einigen Fällen fast chaotisch sind, können sie dennoch mit dem neuronalen Netzwerk WeatherNet modelliert werden.

In Bezug auf die Programmierung macht AlphaEvolve rekursive Selbstverbesserung möglich.

Der Weg zu AGI wird möglicherweise nicht gerade sein, sondern ein Prozess, der sich im Laufe der Zeit allmählich verbessert.

Erhöhung der Rechenleistung!

Wie wichtig ist die Erhöhung der Rechenleistung für den Aufbau von AGI?

Hassabis meint, dass es sehr wichtig ist.

Für das Training werden die benötigten Rechenressourcen normalerweise an einem Ort konzentriert. Selbst die Bandbreitenbeschränkungen zwischen den Rechenzentren können einen Einfluss haben.

Da KI-Systeme jetzt in Produkte integriert sind und von Milliarden Menschen weltweit genutzt werden, wird eine enorme Menge an Inferenzrechnungen benötigt.

Dazu kommt noch ein neues Paradigma, das im vergangenen Jahr aufgetaucht ist: Je länger man einer KI zum Inferenzieren Zeit lässt, desto intelligenter wird sie in den Tests.

Je besser die KI-Systeme werden, desto nützlicher werden sie und desto größer wird die Nachfrage nach ihnen.

Der Rechenleistungsbedarf für das Training ist eigentlich nur ein Teil davon und könnte sogar im Vergleich zur gesamten benötigten Rechenleistung der kleinere Teil werden.

Je erstaunlicher Veo wird, desto mehr „schwitzt“ der Server.

DeepMind hat viele interessante Hardwareinnovationen.

Es hat seine eigene TPU-Produktlinie und forscht an Chips für reine Inferenzrechnungen und an ihrer Effizienzsteigerung.

Sie interessieren sich auch dafür, KI zu entwickeln, um Energieprobleme zu lösen, z. B. um die Kühlsysteme von Rechenzentren effizienter zu machen und das Stromnetz zu optimieren.

Schließlich soll es auch bei der Plasmabindung in Kernfusionsreaktoren helfen.

Und dann gibt es das Materialdesign, das er als eines der aufregendsten neuen Bereiche ansieht, z. B. neue Solarzellenmaterialien, Supraleiter bei Raumtemperatur und optimierte Batterien.

Die Lösung eines dieser Probleme würde die Klimasituation und den Energieverbrauch revolutionieren.

DeepMind als „Start-up“

Jedes große Unternehmen hat viele Managementebenen usw., das ist seine Natur.

Hassabis kann und hat DeepMind bisher immer noch im Stil eines Start-ups geführt. Obwohl es schon eine beträchtliche Größe hat, verhält es sich immer noch wie ein Start-up.

DeepMind arbeitet mit der Entschlossenheit und dem Elan, wie es die besten kleinen Organisationen haben.

Sie versuchen, beides zu haben: Ein unglaubliches Produktplattform, die von Milliarden von Nutzern genutzt wird, und diese mit KI zu versehen.

Es gibt nur wenige Orte auf der Welt, an denen man das tun kann: Einmalige, unglaubliche Forschung betreiben und am nächsten Tag diese in Produkte integrieren, um das Leben von Milliarden von Menschen zu verbessern.

Er hat mit Irving Finkel, einem Expert für Keilschrift am British Museum, gesprochen. Dieser kannte ChatGPT oder Gemini nicht.

Finkel hat das erste Mal mit KI Kontakt gehabt, als er die „KI-Modus“ in der Google-Suche sah. Viele Menschen auf der Welt kennen KI noch nicht.