Künstliche allgemeine Intelligenz ( – AGI) ist die Intelligenz eines hypothetischen Computerprogramms, das die Fähigkeit besitzt, jede intellektuelle Aufgabe zu verstehen oder zu lernen, die ein Mensch ausführen kann.

Beschreibung Umstritten ist, ob Fähigkeiten wie Planung, logisches Ableiten und Argumentieren ebenfalls zu AGI gehören müssten. Es gibt mehrere Definitionen von Intellekt und menschlicher wie maschineller Intelligenz, was sich auch auf die Definition von AGI auswirkt.Shane Legg: Machine Super Intelligence. Universität Lugano, Dissertation, S. 4–11, 16–22, 2008-06. Abgerufen am 2023-11-06. Eine Steigerungsform von AGI wird maschinelle bzw. Künstliche Superintelligenz genannt und wäre eine Art von AGI, die umfassend intelligenter als Menschen wäre.Nick Barney: Artificial Superintelligence. Enterprise AI, techtarget.com. Abgerufen am 2023-11-06.

AGI ist ein Hauptziel von Forschungen zur künstlichen Intelligenz (KI, englisch AI für artificial intelligence) und ein häufiges Thema in Science-Fiction und Zukunftsforschung. AGI kann auch als Strong AI (starke KI) oder Full AI bezeichnet werden – im Gegensatz zu Strong AI ist Weak AI (schwache KI) nicht dazu gedacht, menschenähnliche kognitive Fähigkeiten und Persönlichkeit zu zeigen, sondern beschränkt sich auf die Verwendung von Software zum Lösen ausgewählter vorbestimmter Probleme oder Argumentationsaufgaben (Expertensystem). Die 2024 verfügbaren KI-Modelle seien noch beschränkt auf die Speicherung, Verarbeitung und Abfrage von Wissen, das sie zuvor aufgenommen haben. Sie seien nur sehr beschränkt in der Lage, neue Fähigkeiten außerhalb ihrer Trainingsdaten in Echtzeit zu erwerben.Rina Diane Caballar: New Competition Seeks to Unstall AGI Progress. In: IEEE Spectrum, 30. Juli 2024 (englisch). Abgerufen am 7. August 2024.

Einige akademische Quellen behalten sich den Begriff Strong AI für Computerprogramme vor, die zusätzlich Kreativität, Empfindungsvermögen, Selbstbewusstsein und Bewusstsein erfahren können. Bezüglich Kreativität weist Demis Hassabis als Mitgründer der Firma DeepMind Technologies auf das KI-Programm AlphaGo hin, das aus allen erfassten jemals gespielten Varianten des Brettspiels Go Muster und mögliche Positionen ableitet. Dabei macht das Programm jedoch nicht nur Durchschnittsgewichtungen, sondern leitet durch Extrapolation kreative neue Strategien ab. Allerdings können durch maschinelles Lernen entsprechend trainierte Rechner noch nicht selbständig derartige neue Spiele erfinden.Hannes Grassegger und Mikael Krogerus: Die Menschheit zur vollen Entfaltung bringen. In: Das Magazin No. 44, 2023-11-04, S. 10. Abgerufen am 2023-11-06.

Tests Fachleute haben unterschiedliche Tests zur Prüfung des Erreichens von AGI vorgeschlagen, die sich auf verschiedene menschliche Fähigkeiten beziehen; Turing-Test: Ein KI-System und ein Mensch diskutieren mit einem weiteren verborgenen Menschen, der herausfinden muss, ob es sich beim Gesprächspartner um das KI-System oder um den anderen Menschen handelt. Die Erfolgsquote der KI bei der Täuschung gilt als Maß für das Erreichen von AGI.Roman Yampolskiy: In: Artificial Intelligence, Evolutionary Computation and Metaheuristics (AIECM), 3–17, 2012. Abgerufen am 2023-11-06. Studententest: Das KI-System immatrikuliert sich an einer Universität, belegt ein Kursprogramm wie Studenten in Hinblick auf einen bestimmten Studienabschluss. Das KI-System legt daraufhin die notwendigen Prüfungen ab, ohne dass zuvor das Kursmaterial aufgenommen wurde. Die erreichten Prüfungsresultate sind bereits sehr gut.Lakshmi Varanasi: AI models like ChatGPT and GPT-4 are acing everything from the bar exam to AP Biology. Here's a list of difficult exams both AI versions have passed. In: Business Insider, 2023-03-21. Abgerufen am 2023-11-06. Berufstest: Ein KI-System erledigt Arbeiten in einem bestimmten Beruf so gut wie entsprechende Angestellte – dies ist bereits in gewissen Berufen der Fall.Caleb Naysmith: 6 Jobs Artificial Intelligence Is Already Replacing and How Investors Can Capitalize on It. yahoo.com, 2023-02-07. Abgerufen am 2023-11-06. Durch Zugriff auf das Internet und vorhandene andere Softwareprogramme sowie Unternehmens-Datenbanken könnten KI-Systeme, die als AI Agents bezeichnet werden und Erweiterungen von Chatbots sind, Büroarbeiten übernehmen.Cade Metz und Karen Weise: How ‘A.I. Agents’ That Roam the Internet Could One Day Replace Workers. In: New York Times, 2023-10-16. Abgerufen am 2023-11-06. IKEA-Test: Ein in einem Paket verpacktes, zerlegtes IKEA-Möbel soll von einem KI-System auf Basis der nach dem Auspacken sichtbaren Komponenten und den Instruktionen in der Verpackungsbeilage durch Steuerung eines Roboters zusammengebaut werden. Kaffeezubereitungstest: Ein KI-gesteuerter Roboter soll ein typisches Haus betreten und herausfinden, wie man dort einen Kaffee zubereitet. Dazu muss zuerst die Kaffeemaschine gefunden werden, um dann den Kaffee, das Wasser und eine Tasse bereitzustellen und durch Betätigen der elektrischen Kaffeemaschine den Kaffee zuzubereiten.Jörg Phil Friedrich: Wann besitzt eine KI wirklich Intelligenz? In: Verlag Karl Alber News, 2024-05-22. Abgerufen am 2024-05-27. François Chollet hat 2019 als Maßstab für das Erreichen der AGI den Abstraction and Reasoning Corpus (ARC) for artificial general intelligence (AGI)-Test vorgeschlagen. Er misst die Fähigkeit eines KI-Modells, effizient neue Fähigkeiten zu erwerben. Die Erfolgsrate war bis 2023 auf 30 % beschränkt. Ein Preis wurde für das Erreichen von 85 % eingeführt.

AI-complete Probleme Es gibt viele Probleme, die allgemeine Intelligenz erfordern, um sie auf menschlichem Niveau zu lösen. So erfordern selbst bestimmte leicht verständliche Aufgaben wie maschinelle Übersetzung, dass eine Maschine in beiden Sprachen lesen und schreiben kann (Computerlinguistik), der Argumentation des Autors folgt (Verständnis), weiß, wovon die Rede ist (Wissen), und die ursprüngliche Absicht des Autors getreu wiedergeben kann (soziale Intelligenz). Alle diese Probleme müssen gleichzeitig gelöst werden, um eine maschinelle Leistung auf menschlichem Niveau zu erbringen.

Ein Problem wird im Englischen informell als „AI-complete“ oder als hart („AI-hard“) bezeichnet, wenn man glaubt, dass man zu seiner Lösung eine starke KI (AGI) einsetzen müsste, weil die Lösung die Fähigkeiten eines zweckgebundenen Algorithmus übersteigt.

Man nimmt an, dass zu den AI-complete Problemen die Computer Vision, das Verstehen natürlicher Sprache und der Umgang mit unerwarteten Umständen bei der Lösung von Problemen im Kontext der nicht-digitalen Welt gehören. AI-complete Probleme können mit der heutigen Computertechnologie allein nicht gelöst werden und erfordern menschenbasierte Informationsverarbeitung. Diese Einschränkung könnte nützlich sein, um die Anwesenheit von Menschen zu testen, wie es CAPTCHAs tun, und für die Computersicherheit, um Brute-Force-Angriffe abzuwehren.

Geschichte

Klassische KI

Die moderne KI-Forschung begann Mitte der 1950er Jahre. Die erste Generation von KI-Forschern war davon überzeugt, dass AGI möglich sei und dass sie innerhalb weniger Jahrzehnte erreicht würde. Der KI-Pionier Herbert A. Simon schrieb 1965: „Maschinen werden innerhalb von zwanzig Jahren in der Lage sein, jede Arbeit zu verrichten, die ein Mensch verrichten kann“.

Diese Vorhersagen inspirierten Stanley Kubricks und Arthur C. Clarkes Figur zur Schaffung ihres Charakters HAL 9000, der das verkörperte, was KI-Forscher glaubten, bis zum Jahr 2001 entwickeln zu können. Der KI-Pionier Marvin Minsky war als Berater an dem Projekt beteiligt, HAL 9000 so realistisch wie möglich nach Konsens der damaligen Vorhersagen zu gestalten. Er sagte 1967

Mehrere Projekte der klassischen KI-Forschung, wie das Cyc-Projekt von Douglas Lenat (das 1984 begann) und das Soar-Projekt von Allen Newell, zielten auf AGI ab. Anfang der 1970er Jahre wurde jedoch deutlich, dass die Forscher die Schwierigkeiten des Projekts stark unterschätzt hatten. Geldgeber wurden skeptisch gegenüber der Entwicklung von AGI und setzten die Forscher zunehmend unter Druck, nützliche „angewandte KI“ zu entwickeln. Anfang der 1980er Jahre weckte das japanische „Fifth Generation Computer Project“ das Interesse an AGI erneut, indem es einen Zehn-Jahres-Zeitplan vorstellte, der AGI-Ziele wie „eine lockere Unterhaltung zu führen“ enthielt. Als Reaktion darauf und auf den Erfolg von Expertensystemen pumpten sowohl die Industrie als auch Regierungen Geld in das Feld. Das Vertrauen in die KI brach jedoch Ende der 1980er Jahre spektakulär zusammen und die Ziele des Fifth Generation Computer Project wurden nie erreicht. Zum zweiten Mal innerhalb von 20 Jahren hatten sich KI-Forscher geirrt, als sie das baldige Erreichen von AGI voraussagten. In den 1990er Jahren hatten KI-Forscher den Ruf, leere Versprechungen zu machen. Sie zögerten, überhaupt Vorhersagen zu machen und vermieden es, von künstlicher Intelligenz auf „menschlichem Niveau“ zu sprechen, aus Angst, als „verrückte Träumer“ abgestempelt zu werden.

Forschung an spezialisierter KI In den 1990er Jahren und zu Beginn des 21. Jahrhunderts erlangte die Mainstream-KI-Entwicklung kommerziellen Erfolg und akademische Anerkennung, indem sie sich auf spezifische Teilprobleme konzentrierte, bei denen KI robuste Ergebnisse und kommerzielle Anwendungen hervorbringen konnte, wie z. B. Spracherkennung und Empfehlungsdienste. Diese „angewandten KI-Systeme“ werden heute in der gesamten Technologiebranche umfassend genutzt, und die Forschung in diesem Bereich wird sowohl von der Wissenschaft als auch von der Industrie stark gefördert. Im Jahr 2018 betrachtete man die Entwicklung in diesem Bereich als aufstrebenden Trend und es wurde erwartet, dass in mehr als 10 Jahren ein ausgereiftes Stadium erreicht wäre.

Um die Jahrhundertwende hofften viele Mainstream-KI-Forscher, starke KI könne durch die Kombination von Programmen entwickelt werden, die verschiedene Teilprobleme lösen. Hans Moravec schrieb 1988:

Doch selbst zu dieser Zeit war dies umstritten.

Moderne AGI-Forschung Der Begriff „artificial general intelligence“ wurde bereits 1997 von Mark Gubrud in einer Diskussion über die Auswirkungen vollautomatischer militärischer Produktion und Operationen verwendet. Ein mathematischer Formalismus für AGI wurde von Marcus Hutter im Jahr 2000 vorgeschlagen. Der AIXI genannte vorgeschlagene AGI-Akteur maximiert „die Fähigkeit, Ziele in einem breiten Spektrum von Umgebungen zu erfüllen“. Diese Art von AGI, die sich durch die Fähigkeit auszeichnet, eine mathematische Definition von Intelligenz zu maximieren, anstatt menschenähnliches Verhalten zu zeigen, wurde auch als universelle künstliche Intelligenz bezeichnet.

Der Begriff AGI wurde um 2002 von Shane Legg und Ben Goertzel erneut eingeführt und popularisiert. Die AGI-Forschungsaktivitäten im Jahr 2006 förderten laut Pei Wang und Goertzel „Veröffentlichungen und vorläufige Ergebnisse“. Die erste Summer School im Bereich AGI organisierte 2009 das Artificial Brain Laboratory der Universität Xiamen und OpenCog in Xiamen, China. Der erste Universitätskurs wurde 2010 und 2011 an der Universität Plovdiv, Bulgarien, von Todor Arnaudov gehalten. Das MIT veranstaltete 2018 einen Kurs über AGI, der von Lex Fridman organisiert wurde und an dem eine Reihe von Gastdozenten teilnahmen.

Im Jahr 2023 war eine kleine Zahl von Informatikern in der AGI-Forschung tätig, und viele trugen zu einer Reihe von AGI-Konferenzen bei. Allerdings interessieren sich immer mehr Forscher für das sogenannte open ended learning, d. h. für die Idee, KI kontinuierliches menschenähnliches Lernen und Innovation zu ermöglichen. Obwohl die meiste Arbeit zu open ended learning immer noch mit Minecraft durchgeführt wird, können die Anwendungen auf die Robotik und die Wissenschaften ausgeweitet werden.

Machbarkeit