Wenn KI-verfasste wissenschaftliche Aufsätze mehr als 99 % der von Menschen eingereichten Manuskripte übertreffen, hat Chen Yongchao vier unbeantwortete Fragen aufgeworfen.

Am 8. August 2026 teilte Chen Yongchao, Assistenzprofessor an der Fakultät für Künstliche Intelligenz der Tsinghua-Universität und Gründer von Chaoyan Intelligence, auf der Veranstaltung Link-X Demo Day 2026 unter dem Thema „Von der statischen Nachbildung zur autonomen Entdeckung: Selbstentwickelnde große Modelle definieren die nächste Generation der Superintelligenz“ seine Überlegungen zu selbstentwickelnden großen Modellen mit.

Was ist Superintelligenz?

Am 8. August eröffnete Chen Yongchao, Gründer von Chaoyan Intelligence, seinen Vortrag mit dieser Frage.

Interessanterweise hat wenige Tage zuvor auch die Google-Legende Jeff Dean seinen Austritt bekanntgegeben und gemeinsam mit Sanjay Ghemawat, Oriol Vinyals und Quoc Le das Unternehmen Discovery Loop gegründet, um im Bereich RSI (Progressive Self-Improvement) tätig zu werden.

„Das ist fast genau das, was wir machen“, sagte Chen Yongchao. Das ist kein Wettbewerb, sondern ein Signal dafür, dass dieses Thema gerade von der akademischen Randposition zu einem branchenweiten Konsens wird.

01

Echte Intelligenz:

Es geht nicht darum, was man gelernt hat, sondern ob man einen „Geistesblitz“ haben kann

Der ehemalige Google-Forscher und Keras-Gründer François Chollet erwähnte in einem Artikel aus dem Jahr 2019, dass unsere derzeitige Methode zur Prüfung der KI-Intelligenz problematisch ist. „Was wir jetzt tun, ist im Grunde genommen zu schauen, welche Fähigkeiten es auf verschiedenen Listen hat und was es gelernt hat. Aber eine höherstufige Intelligenz sollte die Fähigkeit sein, etwas Unbekanntes zu lernen – also die Innovationsfähigkeit“, sagte Chen Yongchao. Das stimmt mit dem Thema des ersten Teils der Konferenz „Geistesblitz“ überein. Wir sollten nicht darauf achten, wie viel Wissen eine KI auswendig gelernt hat, sondern ob sie die Fähigkeit zu Geistesblitzen hat.

Die großen Modelle, die heute existieren, komprimieren und speichern das bereits vorhandene Wissen der Welt. Was Chaoyan Intelligence erreichen will, ist, dass sie das unbekannte Wissen der Welt schaffen.

Dieser Weg ist nicht erst seit heute entstanden.

1965 hat der britische Kryptograf und Mathematiker I.J. Good in seiner 1965 veröffentlichten Abhandlung „Spekulationen über die erste superintelligente Maschine“ erstmals das Konzept der „Intelligenzexplosion“ vorgelegt. Er prophezeite, dass wenn künstliche Intelligenz die menschliche Intelligenz übertrifft und sich selbst autonom verbessern kann, dies zu einem unaufhaltsamen exponentiellen Sprung führen wird, und dass „die superintelligente Maschine die letzte Erfindung sein wird, die die Menschheit machen muss“.

Aber dieses Konzept war vor dem Aufkommen großer Modelle überhaupt nicht realisierbar.

2023 begann die Branche mit der Entwicklung einfacher selbstentwickelnder Systeme, die große Modelle dazu bringen, Prompts und Agenten selbst zu optimieren. Chen Yongchao arbeitete damals auch an entsprechenden Projekten. Aber er stellte schnell eine Obergrenze fest: Nachdem die Optimierung einen bestimmten Grad erreicht hatte, stieg die Leistung nicht mehr an, egal wie viel man nachjustierte.

2024 entwickelte das japanische Unternehmen Sakana AI den „AI Scientist“, der KI dazu bringt, selbst wissenschaftliche Arbeiten zu schreiben, und bestätigte die Machbarkeit dieses Bereichs – aber die Ergebnisse erreichten nur das Niveau von Workshop-Veröffentlichungen und lagen noch hinter dem Niveau von Top-Konferenzbeiträgen zurück.

Der Wendepunkt kam im Februar 2026. Nach der Veröffentlichung von Claude Opus 4.6 probierte Chen Yongchao es selbst aus und stellte fest, dass es die Forschung tatsächlich effizient und automatisiert machen kann. Aufgrund dieser Einsicht entwickelte er Apex Research.

02

Der Singularitätspunkt ist erreicht:

34 wissenschaftliche Arbeiten, 2 davon übertreffen 99 % der menschlichen Einreichungen

Apex Research ist ein System, das autonom ohne menschliche Eingriffe Forschung betreiben kann.

In den letzten Monaten hat Apex Research den gesamten Prozess von der Literaturrecherche, Methodenentwicklung, Code-Implementierung, Experimentanalyse, Diagrammerstellung, Erstellung von LaTeX-Abhandlungen bis hin zur Selbstprüfung und iterativen Optimierung abgeschlossen und ist in der Lage, wissenschaftliche Arbeiten auf Top-Konferenzniveau wie NeurIPS und ACL zu erstellen.

Dieses Jahr im Mai hat Apex Research autonom 34 wissenschaftliche Arbeiten erstellt und zur Begutachtung bei ACL eingereicht. Im Juli lagen die Ergebnisse vor:

- Die durchschnittliche Erstbewertung von 11 Arbeiten beträgt ≥ 3

- Die durchschnittliche Punktzahl von 2 dieser Arbeiten liegt bei etwa 3,7

Was bedeutet eine Punktzahl von 3,7? Chen Yongchao nahm sich selbst als Referenz: „Als ich meine Doktorarbeit schrieb und bei ACL einreichte, erreichte nur einmal die durchschnittliche Punktzahl etwa 3,7, alle anderen Male lag sie unter 3,7.“

99 % der menschlichen Einreichungen erreichen eine Punktzahl unter 3,7. Das heißt, die Forschungsfähigkeit der KI hat heute bereits das Niveau eines menschlichen Doktoranden erreicht.

Apex Research wird nicht nur im Bereich der KI-Forschung eingesetzt.

Kürzlich arbeitete das Team von Chaoyan Intelligence mit Professor Zhang Jingzhao von der Tsinghua-Universität zusammen, um dieses System für die reine mathematische Theorieforschung einzusetzen. Das Ergebnis zeigte: Die KI hat ein vorherrschendes Verständnis in diesem Bereich verbessert, das seit mehr als einem Jahrzehnt galt. Nach wiederholter Überprüfung durch Mathematiker stellte sich heraus, dass dieser Beweis korrekt ist. Derzeit wurde er zu einer wissenschaftlichen Arbeit verfasst und wird bald eingereicht.

03

Über vier Fragen ohne Antwort

Am Ende des Vortrags stellte Chen Yongchao vier Fragen, über die er derzeit nachdenkt.

Wie kann man die Innovationsfähigkeit von KI-Wissenschaftlern vom Doktoranden-Niveau auf das Niveau von Newton und Einstein heben?

Chen Yongchao hat eine Ansicht, die er selbst als „extreme Behauptung“ bezeichnet: Alle Forschung ist im Wesentlichen Permutation und Kombination. Die bahnbrechenden Forschungen wie zum Beispiel Transformer sind nichts anderes als die Erkundung einer Permutation und Kombination mit extrem niedriger Wahrscheinlichkeitsdichte, die zufällig korrekt ist. Die meisten Forschungen bewegen sich in Bereichen mit hoher Wahrscheinlichkeitsdichte, sodass sie nicht besonders attraktiv wirken.

„Um die Innovationsfähigkeit der KI zu verbessern, müssen wir ihre Denkvielfalt erhöhen, sodass ihr Denken zu diesen Permutationen und Kombinationen mit extrem niedriger Wahrscheinlichkeit gelangen kann. Wie man dorthin gelangt und wie man beurteilt, ob diese Idee machbar ist – das ist der Grund, warum wir selbstentwickelnde Modelle entwickeln“, sagte Chen Yongchao.

Wenn KI wissenschaftliche Entdeckungen in Massen produzieren kann, wie bewerten wir diese dann?

Wenn KI-Wissenschaftler das Niveau von Einstein erreichen, werden sie automatisch eine riesige Menge an Forschungsergebnissen erzeugen. Aber die menschliche Gesellschaft bewertet wissenschaftliche Schlussfolgerungen anhand der Zeit – viele wichtige Entdeckungen zeigen ihre Wirkung erst nach Jahrzehnten. In Zukunft könnte die Bewertung von Wissenschaft schwieriger sein als die Erzeugung von Wissenschaft.

Wird das Medium der wissenschaftlichen Arbeiten noch existieren?

Wissenschaftliche Arbeiten existieren seit Hunderten von Jahren. In der Vergangenheit mussten aufgrund der begrenzten Informationsverarbeitungsfähigkeit des Menschen oft ein bis zwei Jahre lang Experimente durchgeführt werden, die schließlich zu wenigen Seiten zur Verbreitung komprimiert wurden. Bei diesem Prozess geht ein gewisses Maß an Informationen verloren: Beim Verfassen der Arbeit geht etwas verloren, und der Leser ergänzt es durch Vorstellungskraft, was zu Informationsasymmetrie führt.

„Aber für KI ist das kein Problem. Die Informationsverarbeitungsfähigkeit von KI ist viel stärker als die des Menschen. Wir können alle Forschungsprozesse und Experimenteinstellungen vollständig in das System einbinden, sodass eine andere KI sie lesen kann, alle Informationen genau erhält und die Ergebnisse reproduzieren kann.“ Chen Yongchaos Einschätzung lautet: Für eine Forschungsgemeinschaft, deren Hauptakteure KI-Wissenschaftler sind, werden wissenschaftliche Arbeiten höchstwahrscheinlich nicht mehr das wichtigste Verbreitungsmedium sein.

Wem gehören die Forschungsergebnisse?

Wenn KI hervorragende Forschungsergebnisse erzielen kann, wem gehören die Ergebnisse – der Person, die die KI nutzt, oder der KI selbst? Und wer trägt die Verantwortung? Chen Yongchao gab ein Beispiel: Ein Schüler der Oberstufe könnte mit Hilfe dieses Systems eine große Menge an qualitativ hochwertigen wissenschaftlichen Arbeiten erstellen. Wenn er sie direkt einreicht und behauptet, sie selbst geschrieben zu haben, ist das kaum zu erkennen. Das bestehende gesellschaftliche Bewertungssystem könnte dadurch durchbrochen werden.

„Heute liegt die Forschung in den Händen von Menschen mit hohem Intelligenzquotienten. Aber in Zukunft könnte die Forschung in den Händen von Menschen mit großer Rechenkapazität oder viel Geld liegen.“

04

Was Chaoyan Intelligence erreichen will:

Die noch unentdeckten Entdeckungen freisetzen

Für diese vier Fragen gibt es keine Standardantworten.

Chen Yongchao sagte, dass ein Unternehmen, das selbstentwickelnde Modelle entwickelt, nicht erst warten muss, bis alle Fragen vollständig geklärt sind, bevor es mit der Arbeit beginnt. Stattdessen soll man im Arbeitsprozess diese Fragen nacheinander zu diskutierbaren Themen machen.

„Chaoyan“ bedeutet „Superableitung“. Wenn KI nicht nur Fragen beantworten, sondern auch Fragen stellen, Experimente entwerfen und Hypothesen überprüfen kann, wird die Definition von Forschung neu geschrieben. Was Chaoyan Intelligence erreichen will, ist, diesen Wandel schneller, sicherer und vertrauenswürdiger zu gestalten.

Im Folgenden der vollständige Inhalt des Vortrags.

Hallo zusammen, ich bin Chen Yongchao, Gründer von Chaoyan Intelligence. Vielen Dank heute an die Einladung der Veranstalter. Das Thema meines heutigen Vortrags lautet: Von der statischen Nachbildung zur autonomen Entdeckung – selbstentwickelnde große Modelle definieren die nächste Generation der Superintelligenz.

In letzter Zeit ist der Bereich der Selbstentwicklung sehr populär geworden. Vor zwei Tagen hat Jeff Dean von Google auch öffentlich bekanntgegeben, dass er in diesem Bereich tätig wird. Ich habe mir seinen Arbeitsbereich angesehen – er ist fast identisch mit dem unseren.

Was ist Superintelligenz?

Zuerst möchte ich mit euch eine Frage erörtern: Was ist Superintelligenz? Oder was ist künstliche Superintelligenz?

Ich möchte einen Artikel zitieren, den mein sehr geschätzter ehemaliger Google-Forscher und Keras-Gründer François Chollet 2019 geschrieben hat. Die Hauptaussage dieses Artikels lautet, dass unsere derzeitige Methode zur Prüfung der Intelligenz von KI-Systemen problematisch ist.

Einfach ausgedrückt: Was wir jetzt tun, ist zu schauen, welche Fähigkeiten es auf verschiedenen Listen hat und was es gelernt hat. Aber er meinte, dass diese Art von Intelligenz ziemlich primitiv ist. Eine höherstufige Intelligenz sollte die Fähigkeit sein, etwas Unbekanntes zu lernen – also seine Lernfähigkeit. Und diese Fähigkeit ist im Grunde die Innovationsfähigkeit.

Das ähnelt sehr dem heutigen Thema des Forums „Geistesblitz“ – man soll prüfen, ob ein KI-System die Fähigkeit zu Geistesblitzen hat.

Die heutigen großen Modelle komprimieren oder speichern das bereits vorhandene Wissen der Welt. Was wir erreichen wollen, ist, dass sie das unbekannte Wissen der Welt schaffen. Das ist der KI-Wissenschaftler oder das selbstentwickelnde große Modell – genau das, was unser Unternehmen (Chaoyan Intelligence) derzeit macht.

Dieser Weg ist nicht erst seit heute entstanden

Eigentlich ist dieses Konzept nicht neu. 1965 hat der britische Kryptograf I.J. Good das Konzept der „Intelligenzexplosion“ vorgelegt – Maschinen sollen in der Lage sein, bessere Maschinen zu entwerfen, sich Generation für Generation zu verbessern, sodass die Intelligenz immer höher wird und der Effekt einer Intelligenzexplosion eintritt. Aber dieses Konzept war früher überhaupt nicht realisierbar, bis die großen Modelle aufkamen.

2023 begannen die Leute, sehr einfache selbstentwickelnde Systeme zu entwickeln – große Modelle dazu zu bringen, ihre eigenen Prompts oder Agentensysteme zu entwerfen. Damals hatte ich auch eine entsprechende Arbeit. Aber später stellten wir fest, dass die Obergrenze dieser Methode relativ niedrig ist. Denn nachdem man einen bestimmten Grad optimiert hat, steigt die Leistung nicht mehr an, egal wie sehr man die Prompts oder Agenten optimiert.

2024 hat das japanische Unternehmen Sakana AI den AI Scientist vorgestellt. Sie ließen KI selbst KI-Forschung betreiben und wissenschaftliche Arbeiten schreiben. Aber später stellten sie auch fest, dass die Arbeiten, die ihr AI Scientist damals erstellte, nur das Niveau von Workshop-Veröffentlichungen erreichten.

Im Mai letzten Jahres absolvierte ich mein Praktikum bei Google Research und DeepMind, das sich genau mit dem Bereich des AI Scientist befasste. Sie wollten, dass ich ein besseres System entwickle. Aber damals habe ich es nicht sofort getan, aus einem einfachen Grund: Ich dachte, die großen Modelle hätten noch nicht die entsprechende Fähigkeit erreicht, sodass die erstellte Forschung noch trivial wäre.

Der Wendepunkt kam im Februar dieses Jahres. Nach der Veröffentlichung von Claude Opus 4.6 sagte mir jemand, dass die Forschung,