adesso Blog

AGI, narrow und strong AI – eine Einführung in die Begriffe

Mit dem Einzug der großen Sprachmodelle stolpert man auch häufiger über den Begriff Artificial General Intelligence (AGI). Mit AGI möchte man eine systemspezifische Abgrenzung im Sinne von Anwendungsvielfalt schaffen. Die Anwendungsvielfalt ergibt sich unter anderem auch mit dem sich fundamental ändernden Denkmuster, wie solche KI-Modelle geschaffen, genutzt und zu verantworten sind beziehungsweise verantwortet werden. Bisherige, klassische KI-Systeme sind in ihren Anwendungsmöglichkeiten eher schmal einsetzbar (narrow AI), das heißt nur für eine oder wenige Aufgaben bestimmt. Demgegenüber sind allgemeiner aufgestellte KI-Systeme mannigfaltig in ihren Anwendungsmöglichkeiten. Auf einer informellen Ebene soll der Begriff das Kontinuum zwischen klassischer KI beziehungsweise narrow AI und strong AI (dazu zählen unter anderem fiktionale Figuren wie WALL-E, JARVIS oder younamei) dienen. Die großen Sprachmodelle werden nun als sogenannte Fundamental Models bezeichnet. Dabei handelt es um vortrainierte KI-Modelle, die auf einer enormen Datenmenge basieren. Auf der Grundlage dieser Fundamental Models können mit entsprechenden Instruktionen (soft-prompting) oder Feintuning (Beispielergebnisse: ChatGPT, Bard) Anpassungen auf Downstream-Tätigkeiten vorgenommen werden. So bewegen sich die Fundamental Models zwischen dem Kontinuum narrow AI und AGI mit einer Marschrichtung zu AGI.

Aus der gesetzgebenden Sicht (EU-KI-VO) wird (Stand Q1/2023) zwischen narrow AI und nicht narrow AI unterschieden. Künstliche Intelligenz wird hier als General Purpose AI bezeichnet: „AI system that is trained on broad data at scale, is designed for generality of output, and can be adapted to a wide range of tasks“ (EURACTIV, 14.03.2023). Die EU-Gesetzgeber, die bei der Ausarbeitung des KI-Gesetzes federführend waren, haben den Anbietern von großen Sprachmodellen wie ChatGPT und Stable Diffusion erhebliche Verpflichtungen auferlegt und gleichzeitig versucht, die Verantwortlichkeiten entlang der KI-Wertschöpfungskette zu klären.

Welche Modelle gibt es zurzeit auf dem Markt?

Es gibt einige Modelle beziehungsweise Anbieter, die solche Modelle bereitstellen. Das Angebot ist aber überschaubar – vor allem im kommerziellen Sinne. Man kann hier derzeit von einem Oligopol sprechen. Stand heute (23.03.2023) gibt es lediglich eine Handvoll kommerzieller Enterprise-ready-Service-Anbieter. Zur richtigen Einordnung: Kommerzielle Verfügbarkeit bedeutet, dass ein Produkt oder Service die Alpha- und Beta-Phase erfolgreich abgeschlossen hat und die qualitativen Anforderungen für einen allgemeinen Release erfüllt. Dazu gehört auch die Fähigkeit, Geschäftsbedingungen wie Verfügbarkeit der Produkte oder Services zu garantieren sowie Industriestandards hinsichtlich Sicherheit gerecht zu werden. Darunter fallen zum Beispiel Microsoft und deren OpenAI Endpoint für ChatGPT, GPT-3, -4 sowie Alphabet (Deepmind, Anthropic) mit PaLM-Varianten oder Claude.

Das europäische Pendant sind die Luminous-Modelle von Aleph Alpha. BLOOM ist ein Open-Source-Fundamentalmodell, das gemeinsam mit unabhängigen Wissenschaftlerinnen und Wissenschaftlern und dem amerikanischen Unternehmen Hugging Face entwickelt wurde. Im asiatischen Raum sind nennenswerte (Enterprise-ready-Service-)Angebote vom südkoreanischen Unternehmen Naver im Anmarsch (mit einem Plattformgedanken mit dem Produkt HyperClover LLM platform).

Abseits der Modelle gibt es noch andere sehr interessante Varianten: beispielsweise Modelle, die auf Grundlage von Proteinsequenzen trainiert wurden und so Proteinstrukturen prädiktieren können. Dazu zählen unter anderem ESMFold von MetaAI oder AlphaFold von Deepmind/Alphabet. Darüber hinaus existieren noch Modelle, die sich vorwiegend mit der Generierung von Bildern befassen – unter anderem Midjourney und Stable Diffusion.

In der folgenden Abbildung (Quelle: linkedin/Three facts on ChatGPT) – neben den kommerziellen (Enterprise-ready-Service-)Angeboten –noch weitere Modelle/Anbieter aufgeführt:


Eine grobe Aufführung von Fundamentalmodellen und ihren Ablegern

Sicherlich ist dieses Schaubild relativ schnell veraltet – vermutlich wöchentlich. Es soll jedoch vielmehr als Überblick diesen und schließlich bleibt die Herkunft der Modelle gleich.

Bild Lilian  Do Khac

Autorin Lilian Do Khac

Lilian Do Khac beschäftigt sich mit der Konzeption und Implementierung von KI-Lösungen für die datengetriebene Entscheidungsunterstützung. Trustworthy-AI-Anforderungen spielen dabei eine signifikante Rolle. In diesem Bereich ist sie nicht nur aus IT-Implementierungssicht unterwegs, sondern auch als Wissenschaftlerin.

Kategorie:

KI

Schlagwörter:

Künstliche Intelligenz

Diese Seite speichern. Diese Seite entfernen.