Google DeepMind definiert AGI: Die 10 kognitiven Fähigkeiten, die KI noch fehlen

Einleitung: Das AGI-Dilemma

Künstliche Allgemeine Intelligenz (AGI) – der heilige Gral der KI-Forschung. Seit Jahrzehnten träumen Forscher von Maschinen, die denken, lernen und Probleme lösen können wie Menschen. Doch wie misst man Fortschritt in einem Feld, das noch nicht einmal klar definiert ist?

Google DeepMind hat jetzt einen wissenschaftlichen Rahmen vorgelegt, der diese Frage beantworten soll. In ihrem Paper "Measuring Progress Toward AGI: A Cognitive Taxonomy" zerlegen die Forscher Intelligenz in 10 messbare kognitive Fähigkeiten. Doch während das Framework klare Kriterien liefert, zeigt es auch: Echte AGI ist noch Jahre entfernt.

Die 10-Punkte-Checkliste für KI-Intelligenz

Die Grundbausteine menschlichen Denkens

DeepMinds Framework basiert auf Jahrzehnten psychologischer und neurowissenschaftlicher Forschung. Die acht fundamentalen kognitive Fähigkeiten:

1. Wahrnehmung (Perception) – Kann die KI komplexe Sinnesinformationen verarbeiten?
2. Generierung (Generation) – Produziert sie sinnvolle Texte, Sprache und Aktionen?
3. Aufmerksamkeit (Attention) – Fokussiert sie auf relevante Informationen?
4. Lernen (Learning) – Erwirbt sie kontinuierlich neues Wissen?
5. Gedächtnis (Memory) – Speichert und ruft sie Informationen über Zeit ab?
6. Schlussfolgern (Reasoning) – Zieht sie logische Schlüsse?
7. Metakognition – Versteht sie ihre eigenen Denkprozesse?
8. Exekutive Funktionen – Plant, hemmt Impulse, zeigt kognitive Flexibilität

Die Komposit-Fähigkeiten

Aus diesen Bausteinen entstehen zwei komplexere Fähigkeiten:

9. Problemlösung (Problem Solving) – Findet sie effektive Lösungen in spezifischen Domänen?
10. Soziale Kognition (Social Cognition) – Interpretiert sie soziale Signale und reagiert angemessen?

"Die größte Lücke besteht darin, dass wir für viele dieser Fähigkeiten noch keine guten Tests haben."
– DeepMind Research Team

Der Praxistest: $200.000 Kaggle-Hackathon

Theorie ist schön, Praxis entscheidend. Deshalb startet Google DeepMind parallel einen Hackathon mit $200.000 Preisgeld. Die Community soll Evaluierungsmethoden für die fünf schwierigsten Fähigkeiten entwickeln:

• Lernen – Wie testet man kontinuierliches Lernen?
• Metakognition – Wie misst man Selbstreflexion bei KI?
• Aufmerksamkeit – Wie prüft man Fokus in komplexen Umgebungen?
• Exekutive Funktionen – Wie bewertet man Planung und Flexibilität?
• Soziale Kognition – Wie testet man soziales Verständnis?

Demis Hassabis: "Wir sind noch nicht da"

Während das Framework Fortschritt messbar macht, dämpft DeepMind-CEO Demis Hassabis die Erwartungen. Auf dem AI Impact Summit in Delhi nannte er drei kritische Lücken:

1. Kontinuierliches Lernen fehlt

"Die Systeme sind nach dem Training eingefroren", sagt Hassabis. "Was wir wollen, ist, dass sie kontinuierlich aus Erfahrung lernen, sich personalisieren."

2. Langfristige Planung unmöglich

"Sie können kurzfristig planen, aber nicht über Jahre hinweg wie wir Menschen."

3. Inkonsistente Leistung

"Die heutigen Systeme können Goldmedaillen bei der Mathe-Olympiade gewinnen, machen aber manchmal noch Fehler bei einfachen Matheaufgaben. Eine echte allgemeine Intelligenz sollte diese 'zerklüftete Intelligenz' nicht haben."

Fazit: Der lange Weg zur echten Intelligenz

Google DeepMinds Framework ist ein Meilenstein – nicht weil es AGI näher bringt, sondern weil es zeigt, wie weit wir noch entfernt sind. Die 10-Punkte-Checkliste macht deutlich: Echte allgemeine Intelligenz erfordert mehr als beeindruckende Sprachmodelle.

Sie erfordert kontinuierliches Lernen, langfristige Planung, konsistente Leistung und soziale Intelligenz. Bis dahin bleibt AGI ein fernes Ziel – aber jetzt zumindest ein messbares.

Der $200.000 Kaggle-Hackathon zeigt: Die größte Herausforderung ist nicht, intelligente KI zu bauen, sondern zu erkennen, wann wir sie tatsächlich gebaut haben.