KI-Führer sagen, dass Systeme auf menschlichem Niveau schnell näherkommen

Der rasante Fortschritt im Bereich der künstlichen Intelligenz zwingt Regierungen und Institutionen dazu, sich mit einem viel kürzeren Weg zu Systemen auf Menschen-Niveau auseinanderzusetzen, als bisher angenommen. Branchenführer sagen nun, dass die Lücke zwischen den heutigen Werkzeugen und künstlicher allgemeiner Intelligenz sich schnell schließt. Während die Entwicklung an Fahrt gewinnt, rücken Sorgen um Arbeitsplätze, Regierungsführung und wirtschaftliche Stabilität in den Mittelpunkt der Debatte.

Amodei sagt, KI auf Menschen-Niveau könnte in Jahren, nicht Jahrzehnten kommen

Beim Weltwirtschaftsforum in Davos warnte Anthropic-CEO Dario Amodei, dass politische Entscheidungsträger möglicherweise nicht darauf vorbereitet sind, wie schnell fortgeschrittene KI voranschreitet. Gemeinsam mit DeepMind-CEO Demis Hassabis argumentierte Amodei, dass soziale Systeme und Arbeitsmärkte sich wahrscheinlich nicht im gleichen Tempo wie der technische Fortschritt anpassen können. Seiner Ansicht nach schrumpft die Vorbereitungszeit statt zu wachsen.

Amodei bekräftigte seine Überzeugung, dass KI auf Menschen-Niveau wahrscheinlich nur noch wenige Jahre entfernt ist. Er sagte, seine früheren Prognosen seien weiterhin gültig und der Fortschritt verlaufe weiterhin steil. Übermenschliche Fähigkeiten könnten seiner Schätzung nach bereits 2026 oder 2027 eintreffen. Seinen Worten zufolge sei es schwer vorstellbar, dass sich die Entwicklung darüber hinaus noch wesentlich verzögert.

Ein Großteil dieser Geschwindigkeit resultiert daraus, dass KI-Systeme zunehmend bei ihrer eigenen Entwicklung assistieren. Bei Anthropic, so Amodei, wechseln Softwareentwickler bereits vom Schreiben von Code zur Überwachung KI-generierter Ergebnisse. Ingenieure verbringen heute mehr Zeit damit, Code zu überprüfen und zu korrigieren, als ihn von Grund auf zu schreiben. Innerhalb von sechs bis zwölf Monaten, so seine Einschätzung, könnten KI-Modelle den Großteil der Programmieraufgaben von Anfang bis Ende übernehmen.

Mehrere Faktoren treiben diesen Zyklus voran:

• KI-Modelle generieren mittlerweile große Teile produktionsreifer Codes.
• Ingenieure agieren hauptsächlich als Prüfer statt als Hauptautoren.
• Verbesserungen im Training führen direkt zu schnelleren Modell-Upgrades.
• Hardware-Verfügbarkeiten begrenzen das Tempo mehr als die Forschungskapazität.
• Kürzere Entwicklungszyklen verkürzen die Einführungszeiträume.

Hassabis von DeepMind sieht AGI-Chancen bis 2030 bei 50 %

Während er starke Fortschritte anerkennt, argumentierte Hassabis, dass nicht alle Bereiche gleichermaßen für Automatisierung geeignet sind. Disziplinen wie Programmierung und Mathematik sind leichtere Ziele, da Ergebnisse schnell überprüft werden können. Andere Bereiche, insbesondere Naturwissenschaften, basieren auf Experimenten, die Zeit und Ressourcen erfordern.

Wissenschaftliche Entdeckung bleibe, so Hassabis, ein großes Hindernis. Aktuelle Systeme können klar definierte Probleme lösen, tun sich aber schwer damit, neue Fragen oder Theorien zu generieren. Das Formulieren origineller Hypothesen stellt seiner Ansicht nach eine der höchsten Formen menschlicher Kreativität dar. KI hat hier bislang keine zuverlässigen Fähigkeiten bewiesen, und es bleibt unklar, wann – oder ob – diese Lücke geschlossen werden kann.

Aufgrund dieser Grenzen bezifferte Hassabis die Wahrscheinlichkeit, bis 2030 AGI zu erreichen, auf etwa fünfzig Prozent. Als zentrale Unsicherheit hob er den Unterschied zwischen schneller Berechnung und echter Innovation hervor. Dennoch waren sich beide Führungskräfte einig, dass wirtschaftliche Umwälzungen keine ferne Sorge mehr sind.

Bürojobs sind zunehmend betroffen. Amodei schätzte bereits zuvor, dass bis zu die Hälfte der Einstiegspositionen für Fachkräfte innerhalb von fünf Jahren verschwinden könnte, und in Davos bekräftigte er diese Zahl. Büroarbeit, einst als geschützt angesehen, sieht sich nun demselben Automatisierungsdruck ausgesetzt, der schon vor Jahrzehnten die Industrie umgestaltete.

Hassabis warnte, dass selbst vorsichtige Wirtschaftsprognosen die Geschwindigkeit des Wandels unterschätzen könnten. Fünf bis zehn Jahre seien keine lange Zeit für Gesellschaften, um sich anzupassen. Institutionen, die für langsamere Übergänge gebaut wurden, könnten Schwierigkeiten bekommen, wenn sich Jobstrukturen schlagartig verändern.

KI untergräbt die Autonomie von Arbeitsplätzen lange vor Massenentlassungen

Für Amodei hat sich die Herausforderung über das Engineering hinaus zu einer Koordinationskrise ausgeweitet. Er argumentierte, dass Regierungen den Großteil ihrer Aufmerksamkeit auf das Management des Übergangs richten sollten. Während Risiken im Zusammenhang mit Missbrauch und geopolitischen Spannungen beherrschbar bleiben, wird der Spielraum für Fehler kleiner.

Wichtige politische Herausforderungen, die aus der Debatte hervorgehen, sind unter anderem:

• Arbeitsmarktveränderungen verlaufen schneller, als bestehende Umschulungsmaßnahmen mithalten können.
• Regulatorische Lücken bei mächtigen, allgemein einsetzbaren Modellen.
• Wachsende Ungleichheit durch Automatisierung qualifizierter Arbeit.
• Konzentration von KI-Fähigkeiten bei wenigen Großunternehmen.
• Begrenzte globale Koordination bei Sicherheitsstandards.

Einige Arbeitsmarktanalysten glauben, dass die Umwälzung eher durch Umstrukturierung als durch vollständigen Ersatz von Jobs erfolgen könnte. Bob Hutchins, CEO von Human Voice Media, sagte, dass professionelle Rollen in kleinere, stärker überwachte Aufgaben zerlegt werden. Algorithmen steuern zunehmend Arbeitsabläufe, die früher von einzelnen Mitarbeitern kontrolliert wurden.

Laut Hutchins verändert dieser Wandel, wie sich Arbeit anfühlt und funktioniert. Kreative und technische Berufe verschieben sich von Entscheidungspositionen zu Überprüfungsaufgaben. Beschäftigte prüfen Ergebnisse, statt Projekte zu gestalten. Auf Dauer kann dieser Prozess Jobs ihrer Autonomie berauben und Löhne senken, selbst wenn die Titel gleich bleiben.

Anstatt zu fragen, ob Maschinen Menschen ersetzen, argumentiert Hutchins, sollte der Fokus darauf liegen, wie sich die Qualität der Arbeit verändert. Da Aufgaben fragmentiert und die Überwachung zunimmt, könnte sich sogar die berufliche Identität auflösen. Regierungen und Arbeitgeber stehen nun vor der Herausforderung, nicht nur Arbeitsplätze zu sichern, sondern sinnstiftende Arbeit zu erhalten, während die KI-Fähigkeiten weiter wachsen.