(C) unter Verwendung eines Motivs von Andrei Suslov / 123RF.com

Richard Sutton, einer der Pioniere des verstärkenden Lernens (Reinforcement Learning), warnt, die heutige KI-Forschung, die auf immer größere Sprachmodelle setze, bewege sich in eine Sackgasse. Anstelle von Modellen, die ihr gesamtes Wissen in einer Trainingsphase erwerben, setzt er auf kontinuierliches Lernen.

In einer Keynote auf der Konferenz AGI-2025  stellte Sutton einen neuen Ansatz unter dem Namen “Oak” vor, bei dem ein autonom agierender, selbstlernender Agent im Mittelpunkt steht, der kein Vorwissen mitbringt, sondern alles Wissen zur Laufzeit aus der Interaktion mit seiner Umwelt erwirbt.

Die reale Welt, so Sutton, sei zu komplex, als dass das Wissen darüber einem KI-Agenten in der Designphase vollständig beigebracht werden könnte. Stattdessen bräuchte man Agenten, die zur Runtime aus Erfahrung lernen, Konzepte entwickeln und Pläne schmieden. Ein solcher Agent sollte wie ein Mensch Zusammenhänge entdecken können, statt übermittelt zu bekommen, was Menschen entdeckt haben. Man solle nicht versuchen, die endlose Komplexität der realen Welt einzubauen. Stattdessen sollten wir nur die Metamethoden integrieren, die diese beliebige Komplexität finden und erfassen können.

Dieses Konzept ist momentan eine theoretische Überlegung, noch fehlen die Mittel, es praktisch umzusetzen. Aber Sutton ist überzeugt, dass hier, und nicht in immer größeren Sprachmodellen, der Schlüssel zu einer Entwicklung hin zu allgemeiner künstlicher Intelligenz liegt.