Die führenden KI-Forscher im Silicon Valley stehen vor einer Herausforderung gegenüber dem konventionellen Denken über künstliche allgemeine Intelligenz (AGI). Yann LeCun, ehemaliger Chef von Meta AI und prominenter Kritiker des LLM-Ansatzes (Large Language Model), unterstützt ein Startup namens Logical Intelligence, das Pionierarbeit bei einer anderen Methode leistet. LeCun argumentiert, dass die derzeitige Obsession mit LLMs – Systemen, die das nächste Wort in einer Sequenz vorhersagen – eine Sackgasse ist. Stattdessen glaubt er, dass der Weg zu echter KI in Systemen liegt, die „überlegen“ und nicht nur „raten“.
Energiebasiertes Denken: Ein neuer Ansatz für KI
Logical Intelligence hat ein „energiebasiertes Modell“ (EBM) entwickelt, das lernt, indem es Einschränkungen aufnimmt, anstatt Ergebnisse vorherzusagen. Im Gegensatz zu LLMs arbeiten EBMs innerhalb definierter Parameter – etwa der Regeln eines Sudoku-Rätsels –, um Probleme ohne Versuch und Irrtum zu lösen. Das Startup behauptet, diese Methode benötige deutlich weniger Rechenleistung und eliminiere Fehler.
Das erste Modell des Unternehmens, Kona 1.0, zeigte beim Lösen von Sudoku-Rätseln eine überlegene Leistung gegenüber führenden LLMs und lief auf einer einzigen Nvidia H100-GPU. Dies deutet darauf hin, dass effizientes Denken ohne den massiven Umfang aktueller LLMs erreicht werden kann. Logical Intelligence ist das erste Unternehmen, das ein funktionierendes EBM entwickelt hat, das bisher nur ein theoretisches Konzept war.
Jenseits der Sprache: Die Zukunft der KI
Das Startup stellt sich vor, dass EBMs reale Probleme angehen, bei denen es auf Genauigkeit ankommt, etwa die Optimierung von Energienetzen oder die Automatisierung komplexer Fertigungen. Gründerin und CEO Eve Bodnia betont, dass es sich bei diesen Aufgaben um „alles andere als Sprache“ handelt, was bedeutet, dass der Fokus weg von den sprachlichen Stärken der LLMs liegen sollte.
Logical Intelligence plant eine Zusammenarbeit mit AMI Labs, einem weiteren von LeCun gegründeten Startup, das „Weltmodelle“ entwickelt – KI-Systeme, die physikalische Dimensionen verstehen, Erinnerungen behalten und Ergebnisse vorhersagen. Das ultimative Ziel besteht darin, diese Ansätze zu kombinieren: LLMs für die menschliche Interaktion, EBMs für das Denken und Weltmodelle für reales Handeln.
Ein Perspektivwechsel
Das Kernargument ist, dass die aktuelle KI-Entwicklung fehlgeleitet ist. LLMs basieren auf reinem Maßstab und statistischer Wahrscheinlichkeit, während wahre Intelligenz einen grundlegenderen Ansatz zum Denken erfordert. LeCun und Bodnia weisen darauf hin, dass die Nachahmung der menschlichen Sprache nicht der Schlüssel zur Erschließung von AGI ist; Stattdessen sollte sich die KI auf die abstrakte Problemlösung ohne die Einschränkungen der Sprache konzentrieren.
Das Team geht davon aus, EBMs in Branchen wie Energie, Pharma und Fertigung einzusetzen. Der Ansatz des Unternehmens, kleinere, spezialisierte Modelle für bestimmte Aufgaben zu entwickeln – anstelle einer universellen KI – könnte einen praktischeren Weg nach vorne bieten.
Der Weg zu AGI beginnt laut Logical Intelligence mit einem mehrschichtigen Ansatz, der verschiedene Arten von KI kombiniert, die jeweils für bestimmte Funktionen optimiert sind.
Dieses neue Modell stellt eine mutige Herausforderung für das vorherrschende Narrativ im Silicon Valley dar und legt nahe, dass die Zukunft der KI möglicherweise nicht in größeren LLMs, sondern in intelligenteren Denksystemen liegt.
